首页 > 其他分享 >DSCI 525 系统需求模型和实现

DSCI 525 系统需求模型和实现

时间:2024-03-23 15:11:56浏览次数:26  
标签:20 INTEGRITY 模型 525 内核 DSCI 178B TNI 评估

DSCI 525学期项目2024年春季完成本学期的项目是每个学生独立的、个人的努力。与本课业的同学交流,试图从他人的工作中获益学生,过去或现在以及类似的行为违背了课业的意图,是不可接受的大学这种行为将被视为违反南加州大学学术诚信标准,这些标准是总结在在线教程中,可在
http://www.usc.edu/libraries/about/reference/tutorials/academic_integrity/index.php
任务的性质
本项目的目的是比较和对比两个可信系统需求模型和实现。第一个需求模型是可信网络解释(TNI)。实施案例研究TNI的是Gemini可信网络处理器(GTNP)。TNI要求和GTNP实现代表了一种基于参考监视器概念的方法,它被称为传统的安全内核(SK)。第二个需求模型是分离内核保护配置文件。这个SKPP的实施案例研究是Green Hills Software(GHS)INTEGRITY-178B(I-178B)。这个SKPP要求和I-178B实施代表了参考监测器概念的变化在分离内核中建立。
在不少于10页且不多于20页的篇幅内,以PDF格式编写一份字体大小为12的报告,单个列,单间距。没有其他与报告格式相关的特定要求。
图、表等不包括在20页的最大页数中。没有惩罚超过限制,但是超过20页限制的文本将不会被考虑在评分中。提交以电子形式报告USC D2L。学期项目描述根据收集和审查的信息,您将报告您对以下方面的研究和分析
话题:
1.SKPP评估需求[4]与TCSEC/TNI安全内核评估的一致性要求。本项目应关注TNI的要求,仅限强制性要求组成部分(M-组成部分),如TNI第4.1.1节(政策)和A.3.1节(M-组成)所述。相关的25个RVM评估因素详见TNI摘录(包括
[1]中概述的TCSEC要求)。考虑到项目报告的长度有限对于25个RVM评估因素中的每一个,分析应该是简短和简明的结论,按名称引用因素,而不浪费重复要求文本的空间。具体地说,包括对已审查文件各部分的具体参考,以支持您论据。
2.分离内核和
特别是INTEGRITY-178B产品,与GEMSOS中的产品进行了比较和对比安全内核,包括相应内核API和硬件需求的比较。请注意,GEMSOS最终评估报告(FER)[2],Green Hills应通知您软件INTEGRITY-178B分离内核安全目标文档[5],代 写DSCI 525 以及通用标准评估和验证方案验证报告[3]。
3.最后,基于以上所有内容,您将提供关于这两种方法的适用性的最终结论在面对意图违反分配政策的愚蠢对手时部署的产品。在你的报告中,你应该特别关注颠覆问题以及如何解决这个问题在这两种情况下。参考资料(可在Piazza的参考资料中找到)您的分析将基于对参考资料的全面审查和理解
出版的文献,包括但不限于以下内容:
[1] “类的安全要求”的可信网络解释(TNI)摘录A1 M-部件”。(A1M)
[2] Gemini Computers,Incorporated,Gemini Trusted Network Processor的最终评估报告,国家计算机安全中心,1995年6月28日。(FER)
[3] 通用标准评估和验证方案验证报告“Green Hills软件INICR750-0402-GH01_Rel INTEGRITY-178B分离内核”,版本0.52011年1月31日。
(集成-178B-VR)
[4] 美国政府对高要求环境中分离核的保护简介稳健性(SKPP),版本1.032007年6月29日。(SKPP)
[5] Green Hills软件INTEGRITY-178B分离内核安全目标,4.2版,5月31日,2010年。(Integrity-178B-ST)分级该项目的总分为100分,分配如下:
1.[50分]这些安全需求模型与使用TNI评估因子作为比较的载体。
2.[20分]讨论如何在这两种情况下解决颠覆问题。
3.[20分]讨论这两种设计的相对优势和劣势实现技术。
4.[10分]结论-关于需求之间兼容性的每个因素的共识模型及其各自的实现。

标签:20,INTEGRITY,模型,525,内核,DSCI,178B,TNI,评估
From: https://www.cnblogs.com/rluanguae/p/18091138

相关文章

  • AI大模型学习
    目录AI大模型学习​方向一:AI大模型学习的理论基础方向二:AI大模型的训练与优化方向三:AI大模型在特定领域的应用方向四:AI大模型学习的伦理与社会影响方向五:未来发展趋势与挑战发展趋势:挑战:AI大模型学习在当前技术环境下,AI大模型学习不仅要求研究者具备深厚的数学基础......
  • 决策树模型(1)总体介绍
    决策树总体介绍决策树模型顾名思义就是通过一条条的决策来将样本划分来从而达到分类或回归的目的。决策树模型呈树形结构,下图粗略展示了一个分类决策树其中圆表示特征,方块表示叶子节点也是最终分类的类别,我们通过利用样本中高价值的特征(房子拥有情况,工作的拥有情况)来构建这......
  • 关于Vue MV 设计模型
      在Vue.js中,MV(Model-View)设计模型是一个非常重要的概念,它帮助我们组织和管理应用程序中的数据、用户界面和业务逻辑。在这篇文章中,我们将探讨如何在Vue.js中设计一个优秀的MV模型。###ModelModel层代表着应用程序的数据和业务逻辑。在Vue.js中,我们通常使用Vuex......
  • 学习人工智能:Attention Is All You Need-2-Transformer模型;Attention机制;位置编码
    3.2注意力机制Attention注意力函数可以描述为将查询和一组键值对映射到输出的过程,其中查询、键、值和输出都是向量。输出被计算为值的加权和,其中每个值的权重由查询与相应键的兼容性函数计算得出。3.2.1缩放点积注意力 ScaledDot-ProductAttention我们将我们特定的......
  • AI大模型与碳足迹评估结合模式及示范案例
            AI大模型与碳足迹评估相结合,可以提供更精确、更快速的碳排放量计算,优化减排策略,并促进可持续发展目标的实现。1.背景与挑战        企业和组织面临日益增加的压力,要求他们减少运营的环境影响,尤其是减少温室气体排放。传统的碳足迹评估方法往往耗时长......
  • 模型数据-如何放入request域中
    自动放入request域中springmvc会自动把获取的model模型,放入到request域中验证代码后端获取了master对象,这时就自动的把对象传到request域中了,为了验证这个猜想,我们需要从前端的jsp中看是否可以在request中取到master。//验证自动放入request域@RequestMapping("......
  • R语言DCC-GARCH模型对上证指数、印花税收入时间序列数据联动性预测可视化|附代码数据
    全文链接:http://tecdat.cn/?p=31630最近我们被客户要求撰写关于GARCH的研究报告,包括一些图形和统计输出。普通的模型对于两个序列的波动分析一般是静态的,但是dcc-garch模型可以实现他们之间动态相关的波动分析,即序列间波动并非为一个常数,而是一个随着时间的变化而变化的系数。其......
  • Linux中的IO模型介绍
    一、IO是什么I/O(Input/Output),中文名为输入/输出,指的是一切操作程序或设备与计算机之间发生的数据传输的过程。它分为IO设备和IO接口两个部分。IO设备,就是指可以与计算机进行数据传输的硬件。最常见的I/O设备有打印机、硬盘、键盘和鼠标。从严格意义上来讲,它们中有一些只能算......
  • R语言逻辑回归logistic模型ROC曲线可视化分析2例:麻醉剂用量影响、汽车购买行为
    全文链接:https://tecdat.cn/?p=35426原文出处:拓端数据部落公众号本文利用R语言,通过逐步逻辑回归模型帮助客户分析两个实际案例:麻醉剂用量对手术病人移动的影响以及汽车购买行为预测。通过构建模型并解释结果,我们探究了各自变量对因变量的影响程度。同时,借助ROC曲线可视化分析,评......
  • MATLAB用GARCH-EVT-Copula模型VaR预测分析股票投资组合
    全文链接:http://tecdat.cn/?p=30426原文出处:拓端数据部落公众号对VaR计算方法的改进,以更好的度量开放式基金的风险。本文把基金所持股票看成是一个投资组合,引入Copula来描述多只股票间的非线性相关性,构建多元GARCH-EVT-Copula模型来度量开放式基金的风险,并与其他VaR估计方法的预......