building-role-mining-for-rbac-optimization

为 RBAC 优化构建角色挖掘

概述

角色挖掘是分析现有用户-权限分配，以发现基于角色的访问控制（RBAC）系统最优角色的过程。组织会随着时间推移，通过岗位变动、项目分配和临时权限授予积累过多权限，导致“角色爆炸”，即存在数千个粒度很细且重叠严重的角色。角色挖掘使用数据分析——包括聚类算法、形式概念分析和基于图的方法——将权限整合为一组最小的角色，这些角色既能准确反映业务职能，又能强制执行最小权限原则。

何时使用

• 在环境中部署或配置用于 RBAC 优化的角色挖掘能力时
• 在建立与合规要求一致的安全控制时
• 在为该领域构建或改进安全架构时
• 在执行需要此实现的安全评估时

前提条件

• 当前用户-权限分配的导出文件（CSV/数据库）
• 身份治理平台或目录服务访问权限
• Python 3.9+，并安装 pandas、scikit-learn、numpy
• 理解组织结构和岗位职能
• 可用于角色验证研讨会的利益相关者访问权限

核心概念

角色挖掘方法

方法	描述	最适合
自下而上	分析现有权限以发现常见模式	权限自然增长的大型数据集
自上而下	根据业务需求和岗位描述设计角色	全新 RBAC 或组织重组
混合	将自下而上的分析与自上而下的业务验证相结合	大多数生产环境

角色挖掘算法

1. 权限聚类：使用 k-means 或层次聚类将具有相似权限集的用户分组。同一聚类中的用户共享一个共同角色。

2. 形式概念分析（FCA）：一种数学框架，可从二元用户-权限矩阵中识别完整的概念集合（共享完全相同权限集的用户组）。

3. 基于图的挖掘：将用户和权限建模为二分图，然后找到表示候选角色的稠密子图。

4. 布尔矩阵分解：将用户-权限矩阵 U 分解为 U ≈ R × P，其中 R 将用户映射到角色，P 将角色映射到权限。

角色挖掘指标

指标	公式	目标
角色数量	挖掘后的不同角色总数	最小化
覆盖率	由挖掘角色解释的权限 / 总权限	> 95%
加权结构复杂度（WSC）	角色-用户 + 角色-权限分配之和	最小化
偏差	未被已分配角色覆盖的额外权限	< 5%

工作流

步骤 1：提取用户-权限数据

从所有身份来源收集当前访问状态：

import pandas as pd
import numpy as np

# Load user-permission assignments
# Format: user_id, permission_id (one row per assignment)
assignments = pd.read_csv("user_permissions.csv")

# Create binary user-permission matrix (UPA matrix)
upa_matrix = assignments.pivot_table(
    index="user_id",
    columns="permission_id",
    aggfunc="size",
    fill_value=0
)
upa_matrix = (upa_matrix > 0).astype(int)

print(f"Users: {upa_matrix.shape[0]}")
print(f"Permissions: {upa_matrix.shape[1]}")
print(f"Assignments: {assignments.shape[0]}")
print(f"Density: {upa_matrix.values.sum() / upa_matrix.size:.2%}")

步骤 2：使用聚类进行自下而上的角色发现

from sklearn.cluster import AgglomerativeClustering
from sklearn.metrics import silhouette_score

def find_optimal_clusters(matrix, max_k=50):
    """Find optimal number of roles using silhouette analysis."""
    scores = []
    for k in range(2, min(max_k, matrix.shape[0])):
        clustering = AgglomerativeClustering(
            n_clusters=k, metric="jaccard", linkage="average"
        )
        labels = clustering.fit_predict(matrix)
        score = silhouette_score(matrix, labels, metric="jaccard")
        scores.append((k, score))

    optimal_k = max(scores, key=lambda x: x[1])[0]
    return optimal_k, scores

def mine_roles_clustering(upa_matrix, n_clusters):
    """Mine roles using hierarchical clustering on Jaccard distance."""
    clustering = AgglomerativeClustering(
        n_clusters=n_clusters, metric="jaccard", linkage="average"
    )
    user_matrix = upa_matrix.values
    labels = clustering.fit_predict(user_matrix)

    roles = {}
    for cluster_id in range(n_clusters):
        cluster_users = upa_matrix.index[labels == cluster_id]
        cluster_permissions = upa_matrix.loc[cluster_users]

        # Core role = permissions held by >80% of cluster members
        permission_frequency = cluster_permissions.mean()
        core_permissions = permission_frequency[permission_frequency >= 0.8].index.tolist()

        roles[f"Role_{cluster_id}"] = {
            "permissions": core_permissions,
            "user_count": len(cluster_users),
            "users": cluster_users.tolist(),
            "coverage": permission_frequency[permission_frequency >= 0.8].mean()
        }

    return roles, labels

步骤 3：形式概念分析

def mine_roles_fca(upa_matrix, min_support=3):
    """Mine roles using Formal Concept Analysis (frequent closed itemsets)."""
    from itertools import combinations

    users = upa_matrix.index.tolist()
    permissions = upa_matrix.columns.tolist()

    concepts = []

    # Find all maximal permission sets shared by at least min_support users
    for size in range(len(permissions), 0, -1):
        for perm_combo in combinations(permissions, size):
            perm_set = set(perm_combo)
            # Find users who have ALL permissions in this set
            matching_users = []
            for user in users:
                user_perms = set(upa_matrix.columns[upa_matrix.loc[user] == 1])
                if perm_set.issubset(user_perms):
                    matching_users.append(user)

            if len(matching_users) >= min_support:
                # Check if this is a closed concept (no superset with same extent)
                is_closed = True
                for concept in concepts:
                    if set(matching_users) == set(concept["users"]) and \
                       perm_set.issubset(set(concept["permissions"])):
                        is_closed = False
                        break

                if is_closed:
                    concepts.append({
                        "permissions": list(perm_set),
                        "users": matching_users,
                        "support": len(matching_users)
                    })

        if len(concepts) > 100:  # Limit for performance
            break

    return concepts

步骤 4：评估并选择角色

def evaluate_role_set(roles, upa_matrix):
    """Evaluate the quality of a mined role set."""
    total_assignments = upa_matrix.values.sum()
    covered_assignments = 0
    extra_assignments = 0

    for role_name, role_data in roles.items():
        role_perms = set(role_data["permissions"])
        for user in role_data["users"]:
            user_perms = set(upa_matrix.columns[upa_matrix.loc[user] == 1])
            covered = role_perms.intersection(user_perms)
            extra = role_perms - user_perms
            covered_assignments += len(covered)
            extra_assignments += len(extra)

    metrics = {
        "total_roles": len(roles),
        "total_assignments": total_assignments,
        "covered_assignments": covered_assignments,
        "coverage_rate": covered_assignments / total_assignments if total_assignments else 0,
        "extra_permissions": extra_assignments,
        "deviation_rate": extra_assignments / (covered_assignments + extra_assignments) if (covered_assignments + extra_assignments) else 0,
        "avg_role_size": np.mean([len(r["permissions"]) for r in roles.values()]),
        "avg_users_per_role": np.mean([r["user_count"] for r in roles.values()]),
    }
    return metrics

步骤 5：业务验证

在挖掘候选角色后：

1. 将挖掘出的角色映射到业务职能（部门、岗位名称）
2. 与业务单元经理开展研讨会以验证角色定义
3. 识别表明配置错误的异常权限
4. 根据反馈优化角色并重新评估指标
5. 记录角色定义及业务理由

验证清单

• 从所有身份源中提取用户权限矩阵
• 比较多种挖掘算法（聚类、FCA）
• 通过轮廓分析或 WSC 确定最佳角色数量
• 覆盖率超过现有分配方案的 95%
• 偏差率低于 5%（最小化额外权限）
• 与业务相关方共同验证挖掘出的角色
• 定义角色层级（父子继承）
• 记录例外/离群权限
• 制定迁移到新角色模型的迁移计划
• 定义持续的角色治理流程

参考

• Role Mining: Optimizing RBAC - NIST
• RBAC Standard - ANSI/INCITS 359-2012
• Formal Concept Analysis for Role Engineering
• scikit-learn Clustering Documentation