4、互联网缺失身份层的原因及SSI如何提供解决方案

互联网缺失身份层的原因及SSI如何提供解决方案

1. 互联网身份现状问题

当前互联网身份管理存在诸多问题:
- 每个网站都有自己不同的安全和隐私政策,例如密码规则差异巨大,包括最小长度、允许的特殊字符等。
- 用户的身份数据不具备可移植性和可复用性,还被警告切勿重复使用密码。
- 集中式的个人数据数据库如同巨大的蜜罐,引发了历史上一些重大的数据泄露事件。

2. 联合身份模型

为缓解集中式身份管理的痛点,行业推出了联合身份模型。其基本思路是在中间引入名为身份提供商(IDP)的服务提供商。用户只需在IDP处拥有一个身份账户,IDP就能为用户登录并与使用该IDP的任何网站、服务或应用共享基本身份数据。使用同一IDP(或一组IDP)的所有网站集合称为联合。在联合中,每个组织通常被称为依赖方(RP)。

自2005年以来,已经开发了三代联合身份协议,分别是安全断言标记语言(SAML)、OAuth和OpenID Connect,并且都取得了一定的成功。借助这些协议,单点登录(SSO)如今已成为大多数企业内联网和外联网的标准功能。联合身份管理(FIM)也开始在消费互联网中流行起来,被称为以用户为中心的身份。通过OpenID Connect等协议,Facebook、Google、Twitter、LinkedIn等的社交登录按钮已成为许多面向消费者的网站的标准配置。

然而,联合身份模型仍未能为互联网提供缺失的身份层,原因如下:
- 没有一个IDP能与所有网站、服务和应用兼容,用户需要在多个IDP处注册账户,很快就会忘记在哪个网站使用了哪个IDP。
- 由于要服务众多网站,IDP必须采用“最低公分母”式的安全

先展示下效果 https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值