# tf-abac-analysis

**Repository Path**: notfand/tf-abac-analysis

## Basic Information

- **Project Name**: tf-abac-analysis
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2025-05-04
- **Last Updated**: 2025-05-13

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 医疗数据共享与访问控制研究 - 实验分析系统

本项目是基于信任反馈的属性访问控制模型（TF-ABAC）的实验分析系统，用于比较 TF-ABAC 与传统 ABAC 和 ABAC-T 模型的性能差异。

## 项目结构

项目由两部分组成：

1. **后端服务** - 基于 Go 语言编写的 REST API 服务，提供实验数据
2. **前端应用** - 基于 Vue 3 的可视化界面，展示实验数据和分析结果

### 后端服务

后端采用 Go 1.24.2 开发，主要功能是提供实验数据 API。

目录结构：

```
tf-abac-analysis/
├── controllers/      # 控制器层，处理HTTP请求
├── models/           # 数据模型定义
├── services/         # 服务层，生成实验数据
├── main.go           # 应用入口
├── go.mod            # Go模块依赖
└── README.md         # 后端说明文档
```

### 前端应用

前端使用 Vue 3 + TypeScript + Vite 开发，使用 Element Plus 作为 UI 组件库，ECharts 进行数据可视化。

目录结构：

```
tf-abac-analysis-ui/
├── src/
│   ├── components/   # 公共组件
│   ├── views/        # 页面组件
│   ├── services/     # API服务
│   ├── router/       # 路由配置
│   ├── App.vue       # 根组件
│   └── main.ts       # 入口文件
├── public/           # 静态资源
├── index.html        # HTML模板
└── README.md         # 前端说明文档
```

## 实验分析图表

系统展示以下四种实验分析图表：

1. **图 4.2** - 不同访问次数下的 R1 和 R2 的信任值变化（折线图）

   - 展示 TF-ABAC 模型中信任值如何随访问行为变化

2. **图 4.3** - 不同过度访问比例的 IEAAR 值（折线图）

   - 比较三种模型的不当访问有效拦截率

3. **图 4.4** - 不同过度访问比例的 PDBR 值（柱状图）

   - 比较三种模型的隐私数据保护率

4. **图 4.5** - 不同并发访问数的平均处理时间和拦截成功率（折线+柱状组合图）
   - 比较三种模型的性能和安全性平衡

## 快速开始

### 启动后端服务

```bash
cd tf-abac-analysis
go mod tidy
go run main.go
```

服务将在 http://localhost:8080 启动

### 启动前端应用

```bash
cd tf-abac-analysis-ui
pnpm install
pnpm dev
```

应用将在 http://localhost:5173 启动

## 技术架构

- **后端**：Go + Gin 框架
- **前端**：Vue 3 + TypeScript + Vite + Element Plus + ECharts

## 依赖关系

- 前端应用依赖后端提供的 API 服务
- 后端服务需要独立运行，为前端提供数据支持

## 优势分析

通过实验数据分析，TF-ABAC 模型相比传统模型具有以下优势：

1. 更高的不当访问拦截率（IEAAR）
2. 更强的隐私数据保护能力（PDBR）
3. 更灵活的信任评估机制
4. 在可接受的性能开销下，提供更高的安全保障

## 参考资料

- [研究论文：医疗数据共享与访问控制研究]
- [ABAC 访问控制模型介绍]
- [TF-ABAC 模型设计与实现]