У меня есть политика, которую я написал на XACML, и я хочу протестировать ее в виртуальной среде, поэтому я хочу знать, как добавить точку применения политики (PEP) на виртуальную машину... Есть идеи?
Как добавить PEP в виртуальную машину?
26.02.2019
Ответы:
1
Чтобы понять, как развернуть PEP в любом месте, вам нужно понять, что вы будете перехватывать. Например, если вы защищаете API веб-службы, вам необходимо знать, будет ли ваш PEP шлюзом API или перехватчиком в рамках структуры веб-служб или просто кодом в самой веб-службе.
Аналогично, для виртуальной машины, какую технологию вы используете? Вы хотите запустить PEP внутри виртуальной машины (например, VMWare, Docker...) или хотите обеспечить доступ к этой виртуальной машине? Если последнее, то какие интерфейсы доступны? Крючки есть?
Поделитесь своей архитектурой в своем вопросе, и я смогу уточнить этот ответ.
PS: Postman и SoapUI — довольно простой способ протестировать PDP. Они являются своего рода политически значимыми лицами, хотя и не обеспечивают выполнения решений.
26.02.2019
Новые материалы
Кластеризация: более глубокий взгляд
Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..
Как написать эффективное резюме
Предложения по дизайну и макету, чтобы представить себя профессионально
Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..
Частный метод Python: улучшение инкапсуляции и безопасности
Введение
Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..
Как я автоматизирую тестирование с помощью Jest
Шутка для победы, когда дело касается автоматизации тестирования
Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..
Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv)
Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..
Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..
Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..