CN105975865B - 一种基于可信计算的Hadoop平台度量方法 - Google Patents

一种基于可信计算的Hadoop平台度量方法 Download PDF

Info

Publication number
CN105975865B
CN105975865B CN201610366119.XA CN201610366119A CN105975865B CN 105975865 B CN105975865 B CN 105975865B CN 201610366119 A CN201610366119 A CN 201610366119A CN 105975865 B CN105975865 B CN 105975865B
Authority
CN
China
Prior art keywords
hadoop
file
value
node
mapreduce program
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201610366119.XA
Other languages
English (en)
Other versions
CN105975865A (zh
Inventor
詹静
蔡磊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing University of Technology
Original Assignee
Beijing University of Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing University of Technology filed Critical Beijing University of Technology
Priority to CN201610366119.XA priority Critical patent/CN105975865B/zh
Publication of CN105975865A publication Critical patent/CN105975865A/zh
Application granted granted Critical
Publication of CN105975865B publication Critical patent/CN105975865B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/50—Monitoring users, programs or devices to maintain the integrity of platforms, e.g. of processors, firmware or operating systems
    • G06F21/57—Certifying or maintaining trusted computer platforms, e.g. secure boots or power-downs, version controls, system software checks, secure updates or assessing vulnerabilities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/50—Monitoring users, programs or devices to maintain the integrity of platforms, e.g. of processors, firmware or operating systems
    • G06F21/57—Certifying or maintaining trusted computer platforms, e.g. secure boots or power-downs, version controls, system software checks, secure updates or assessing vulnerabilities
    • G06F21/575—Secure boot

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Debugging And Monitoring (AREA)

Abstract

本发明公开一种基于可信计算的Hadoop平台度量方法，包括：步骤S1、MapReduce程序运行前的度量，其包括：获取Hadoop平台中MapReduce程序文件，其包含：job.jar、job.split、job.xml；计算MapReduce程序文件的摘要值并扩展PCR，同时写入MapReduce程序度量日志；步骤S2、Hadoop文件动态度量，其包括：获取Hadoop核心组件信息，其包含：Hadoop配置文件、Hadoop本地库、Hadoop核心jar包、Hadoop核心脚本；计算Hadoop核心组件各文件的摘要值并扩展PCR，同时写入NodeManager节点中度量日志；将Hadoop核心组件各文件的摘要值与标准库中标准值进行比较，得到NodeManager节点健康检测结果。采用本发明的技术方案，以可信链为基础扩展可信关系，实现应用层对MapReduce程序的度量，同时结合Hadoop节点健康检测机制，提供动态的Hadoop平台完整性度量。

Description

一种基于可信计算的Hadoop平台度量方法
技术领域
本发明涉及云计算和可信计算技术领域，尤其涉及一种基于可信计算的Hadoop平台度量方法。
背景技术
随着信息技术的快速发展，企业数据规模呈现出爆炸式的增长趋势。云计算由于具有高可靠性、可伸缩性、按需服务等诸多优点，被很多企业用于存储和处理企业的数据。Hadoop是云计算的解决方案之一，作为Apache基金会的开源项目，由于继承了Google GFS和Google MapReduce的功能同时免费提供使用，在学术界和业界得到了大量的研究和应用，国内外企业纷纷搭建自己的Hadoop平台。
然而在Hadoop设计之初，并没有对安全问题进行考虑，导致现阶段使用过程中出现了大量的安全问题。虽然在之后的版本加入了基于kerberos的身份认证和基于ACL的访问控制解决方案，但是其提供的安全功能依然很难满足大型公司对安全的需求。很多公司根据自身需求对Hadoop源码进行了大量修改，使其满足自身的安全需求。但基于软件实现的安全控制方法很容易被攻破，当Hadoop所处环境或自身相关文件遭到篡改，很容易导致这些安全措施失效，影响到平台使用甚至是平台中数据的安全性。采用硬件提供安全保护，从硬件层面出发，保证Hadoop平台的安全，可以有效保证Hadoop平台可信。
可信计算组(Trusted Computing Group，TCG)致力于构建可信的软硬件计算环境，从硬件出发，从源头开始保证计算环境建立过程中各个相关组件的可信，从而建立一个可信的计算环境。可信计算组提出了可信平台模块(Trusted Platform Module，TPM)的概念，作为可信平台建立过程中可信硬件基础，提供可信的度量和可信存储的方法，从硬件层面提供可信计算所需的相关计算需求。可信计算组同时提出了基于可信链构建可信计算环境的方法，从可信平台模块出发，对系统启动过程中涉及的相关组件逐级进行度量，一级验证一级，将信任关系逐级传递下去，最终保证整个平台环境的可信。
基于可信计算组提出的可信平台构建思想，众多公司对其关键过程进行了研究和开发。Sourceforge公司的开源项目Trusted Grub通过扩展原始Grub引导程序，在Linux系统引导过程中，度量了BIOS、Grub和操作系统内核并报告PCR值。IMB公司提出的完整性度量架构(Integrity Measurement Architecture，IMA)对Linux内核进行可信扩展，在操作系统内核被度量以后，对系统关键组件，包括用户应用程序、配置文件以及所有内核模块进行了可信度量。
然而现有技术从硬件出发对系统环境进行度量，只度量到了应用程序层。MapReduce作为Hadoop的分布式计算模型，提供大数据的分布式处理方法，在实际度量过程中并未对其完整性进行验证，这就导致Hadoop平台中运行的MapRedcue程序存在被篡改的可能，出现不可信的计算行为。同时IMA只在Hadoop启动过程时对相关的文件进行了度量，在Hadoop运行的整个过程中，平台的动态可信性很难得到有效的保护。
发明内容
本发明要解决的技术问题是，提供一种基于可信计算的Hadoop平台度量方法，以可信链为基础扩展可信关系，实现应用层对MapReduce程序的度量，同时结合Hadoop节点健康检测机制，提供动态的Hadoop平台完整性度量。
为解决上述问题，本发明采用如下的技术方案：
一种基于可信计算的Hadoop平台度量方法，包括以下步骤：
步骤S1、MapReduce程序运行前的度量
步骤1.1：获取Hadoop平台中MapReduce程序文件，其包含：job.jar、job.split、job.xml；
步骤1.2：计算MapReduce程序文件的摘要值并扩展PCR(program controlregister，程序控制暂存器)，同时写入MapReduce程序度量日志；
步骤S2、Hadoop文件动态度量
步骤2.1：获取Hadoop核心组件信息，其包含：Hadoop配置文件、Hadoop本地库、Hadoop核心jar包、Hadoop核心脚本；
步骤2.2：计算Hadoop核心组件各文件的摘要值并扩展PCR，同时写入NodeManager节点中度量日志；
步骤2.3：将Hadoop核心组件各文件的摘要值与标准库中标准值进行比较，得到NodeManager节点健康检测结果。
作为优选，通过TPM(Trusted Platform Module，可信平台模块)的摘要算法计算MapReduce程序文件或Hadoop核心组件信息摘要值；同时调用PcrExtend方法将计算结果扩展到PCR。
作为优选，PcrExtend方法的度量逻辑为：PCRnew＝SHA1(PCR||newHashValue)，表示将PCR当前值与文件摘要值链接后重新计算摘要值，将结果重新写入PCR。
作为优选，所述摘要算法为SHA1摘要算法。
作为优选，MapReduce程序度量日志内容包括：第一PCR扩展值、MapReduce程序文件的摘要值、用户名、所度量的MapReduce程序文件名。
作为优选，NodeManager节点中度量日志记录内容包括：第二PCR扩展值、Hadoop核心组件各文件的摘要值、所度量的Hadoop核心组件文件名、度量时间。
作为优选，步骤2.3具体为：比较每个Hadoop的核心文件的摘要值与标准库中的标准值是否相同，完全一致时节点健康检测通过，节点健康检测返回OK，当出现不一致情况时，节点健康检测出现异常，返回ERROR。
作为优选，所述NodeManager节点健康检测会周期性执行度量逻辑，当NodeManager健康状态出现问题时，会通知ResourceManager不再为其分配任务。
作为优选，所述Hadoop配置文件包括：slaves、core-site.xml、hdfs-site.xml、mapred-site.xml、yarn-site.xml；所述Hadoop本地库包括：libhadoop.so，libhdfs.so；所述Hadoop核心jar包包括：common、hdfs、mapreduce、yarn；所述Hadoop核心脚本为hdfs、mapreduce或hadoop-daemon.sh一种或多种。
本发明与现有技术相比，具有以下明显的优势和有益效果：
1.本发明通过扩展Hadoop实现对MapReduce程序运行前的度量工作，实现了应用程度层对MapReduce应用层的度量，将信任关系由应用层传递到了MapReduce应用层，在MapRedcue程序实际运行前，先对其完整性进行度量，实现了对信任链的扩展。
2.本发明通过扩展NodeManager节点健康检测功能，实现了对Hadoop核心文件的周期性检测，有效的保护了Hadoop运行过程中核心文件的完整性。当核心文件完整性遭到破坏时可以及时发现并将此计算节点移除Hadoop集群，有效阻止异常计算节点在计算过程中可能带来的安全威胁。
附图说明
图1为本发明的基于可信计算的Hadoop平台度量方法的流程图；
图2为MapRedcue程序完整性度量流程图；
图3为NodeManager节点健康检测流程图。
具体实施方式
为使本领域技术人员更好的理解本发明的技术方案，下面结合附图和具体实施例对本发明作详细说明。
如图1所示，本发明实施例提供一种基于可信计算的Hadoop平台度量方法，包括以下步骤：
步骤S1、MapReduce程序运行前的度量
基于可信链扩展对MapReduce程序运行前的度量，通过向ResourceManager代码中加入度量逻辑，实现Hadoop对MapReduce程序运行前的度量，扩展信任关系，具体方法如下：
步骤1.1：获取Hadoop平台中MapReduce程序文件。
用户提交MapReduce程序到Hadoop平台运行时，程序相关文件被暂存到HDFS临时文件中，用于计算节点获取计算程序。在实际计算程序执行前，需要由已被度量的Hadoop程序对其进行度量。需要度量的文件包括：job.jar、job.split、job.xml，默认情况位于：
hdfs://tmp/hadoop-yarn/staging/USER/.staging/jobID目录下，其中USER代表提交作业的用户名，jobID代表Hadoop为作业分配的作业编号。通过Hadoop提供的API实现对HDFS中MapReduce程序信息的获取。
步骤1.2：计算MapReduce程序文件的摘要值；同时扩展PCR(program controlregister，程序控制暂存器)，得到第一PCR扩展值(即，第一扩展PCR编号)。
由于TPM(Trusted Platform Module，可信平台模块)提供了基于硬件的摘要值计算方法，所以可通过TPM的摘要算法分别计算上述MapReduce程序文件的摘要值。同时调用PcrExtend方法将计算结果扩展到PCR，得到第一PCR扩展值，保证度量结果可信性和完整性。PcrExtend度量逻辑为：PCRnew＝SHA1(PCR||newHashValue)，表示将PCR当前值与文件摘要值链接后重新计算摘要值，将结果重新写入PCR，TPM采用的摘要算法为SHA1摘要算法。由于PCR只提供了扩展和清零两种操作，所以恶意用户无法对PCR值进行任意修改，保证了度量结果的可信性和完整性。
步骤1.3：写入MapReduce程序度量日志
将MapReduce程序文件的摘要值写入Master节点中的度量日志，以提供用户事后验证的途径。MapReduce程序度量日志内容包括：第一PCR扩展值、MapReduce程序文件的摘要值、用户名、所度量的MapReduce程序文件名。
基于可信链扩展的MapReduce程序可信度量方法，通过扩展ResourceManager代码实现Hadoop对MapReduce程序的度量。对于Hadoop2.6.0版本，可以向Hadoop源代码hadoop-2.6.0-src/hadoop-yarn-project/hadoop-yarn/
hadoop-yarn-server/hadoop-yarn-server-resourcemanager/src/main/j ava/org/apache/hadoop/yarn/server/resourcemanager/rmapp/RMAppImpl.ja va中添加MapReduce程序度量代码。本方法原型实施方式通过向public void transition(RMAppImpl app,RMAppEvent event)方法中加入上述MapReduce程序度量逻辑代码，实现MapReduce程序运行前的度量。加入度量代码后，需要重新编译Hadoop。通过扩展ResourceManager源代码，实现可信链到MapReduce程序的扩展，同时记录度量日志，度量日志内容分别为扩展PCR编号、文件SHA1值、用户、度量文件，流程如图2所示。
步骤S2、Hadoop文件动态度量
基于节点健康检测的Hadoop文件动态度量，通过向NodeManager节点健康检测代码中加入度量逻辑，实现对Hadoop核心组件的周期性度量，保证运行过程中计算环境的可信。具体实现如下：
步骤2.1：获取Hadoop核心组件信息。
Hadoop核心组件信息包括：
1)$HADOOP_HOME/etc/Hadoop/*：Hadoop配置文件，包括slaves、core-site.xml、hdfs-site.xml、mapred-site.xml、yarn-site.xml,。
2)$HADOOP_HOME/lib/native/*：Hadoop本地库，包括libhadoop.so，libhdfs.so。
3)$HADOOP_HOME/share/Hadoop/*：Hadoop核心jar包，包括common、hdfs、mapreduce、yarn。
4)$HADOOP_HOME/bin/*$HADOOP_HOME/sbin/*：Hadoop核心脚本，用于操作hdfs文件系统、管理MapReduce作业任务、改变Hadoop当前状态。常用的有hdfs、mapreduce、hadoop-daemon.sh。
步骤2.2：计算Hadoop核心组件各文件的摘要值；同时扩展PCR，得到第二PCR扩展值(即。第二扩展PCR编号)；方法同步骤1.2。
步骤2.3：写入NodeManager节点中度量日志，方法同步骤1.3，NodeManager节点中度量日志记录内容包括：第二PCR扩展值、Hadoop核心组件各文件的摘要值、所度量的Hadoop核心组件文件名、度量时间。
步骤2.4：将Hadoop核心组件各文件的摘要值与标准库中标准值进行比较，得到NodeManager节点健康检测结果。
比较每个Hadoop的核心文件的摘要值(即，度量值)与标准库中的标准值是否相同，完全一致时节点健康检测通过，节点健康检测返回OK，当出现不一致情况时，节点健康检测出现异常，返回ERROR。NodeManager节点健康检测会周期性执行上述度量逻辑，当NodeManager健康状态出现问题时，会通知ResourceManager不在为其分配任务，阻止异常计算节点在计算过程中可能带来的威胁。
基于节点健康检测的Hadoop文件动态度量方法，通过向NodeManager节点健康检测代码中加入度量逻辑，实现对Hadoop核心组件的周期性度量，保证运行过程中计算环境的可信。以Hadoop2.6.0为例，默认NodeManager节点健康检测功能未启用，需要修改相关配置文件，向$HADOOP_HOME/etc/hadoop/yarn-site.xml中加入yarn.nodemanager.health-checker.script.path以启动健康检测脚本功能。实施方式原型中，将节点健康检测脚本配置在$HADOOP_HOME/healthCheck/healthCheck.sh中。负责周期性检测Hadoop核心文件，并与标准库中的标准值进行比较，当发现不匹配状态出现后，healthCheck.sh将返回ERROR，此后该节点将不再接收任务作业任务，保证当计算节点出现异常时用户数据的安全。同时健康检测脚本将度量结果写入$HADOOP_HOME/healthCheck/ascii_run-time_measurements中，并扩展PCR，为平台可信性验证提供依据，流程如图3所示。
最后应说明的是：以上示例仅用以说明本发明而并非限制本发明所描述的技术方案；因此，尽管本说明书参照上述的示例对本发明已进行了详细的说明，但是本领域的普通技术人员应当理解，仍然可以对本发明进行修改或等同替换；而一切不脱离发明的精神和范围的技术方案及其改进，其均应涵盖在本发明的权利要求范围当中。

Claims (7)

1.一种基于可信计算的Hadoop平台度量方法，其特征在于，包括以下步骤：
步骤S1、MapReduce程序运行前的度量
步骤1.1：获取Hadoop平台中MapReduce程序文件，其包含：job.jar、job.split和job.xml；
步骤1.2：计算MapReduce程序文件的摘要值并扩展PCR(program control register，程序控制暂存器)，同时写入MapReduce程序度量日志；
步骤S2、Hadoop文件动态度量
步骤2.1：获取Hadoop核心组件信息，其包含：Hadoop配置文件、Hadoop本地库、Hadoop核心jar包和Hadoop核心脚本；
步骤2.2：计算Hadoop核心组件各文件的摘要值并扩展PCR，同时写入NodeManager节点中度量日志；
步骤2.3：将Hadoop核心组件各文件的摘要值与标准库中标准值进行比较，得到NodeManager节点健康检测结果。
2.如权利要求1所述基于可信计算的Hadoop平台度量方法，其特征在于，通过TPM(Trusted Platform Module，可信平台模块)的摘要算法计算MapReduce程序文件或Hadoop核心组件信息摘要值；同时将计算结果扩展到PCR。
3.如权利要求2所述基于可信计算的Hadoop平台度量方法，其特征在于，所述摘要算法为SHA1摘要算法。
4.如权利要求1所述基于可信计算的Hadoop平台度量方法，其特征在于，MapReduce程序度量日志内容包括：第一PCR扩展值、MapReduce程序文件的摘要值、用户名、所度量的MapReduce程序文件名。
5.如权利要求1所述基于可信计算的Hadoop平台度量方法，其特征在于，NodeManager节点中度量日志记录内容包括：第二PCR扩展值、Hadoop核心组件各文件的摘要值、所度量的Hadoop核心组件文件名、度量时间。
6.如权利要求1所述基于可信计算的Hadoop平台度量方法，其特征在于，步骤2.3具体为：比较每个Hadoop的核心文件的摘要值与标准库中的标准值是否相同，完全一致时节点健康检测通过，节点健康检测返回OK，当出现不一致情况时，节点健康检测出现异常，返回ERROR。
7.如权利要求6所述基于可信计算的Hadoop平台度量方法，其特征在于，所述NodeManager节点健康检测会周期性执行度量逻辑，当NodeManager健康状态出现问题时，会通知ResourceManager不再为其分配任务。
CN201610366119.XA 2016-05-27 2016-05-27 一种基于可信计算的Hadoop平台度量方法 Active CN105975865B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610366119.XA CN105975865B (zh) 2016-05-27 2016-05-27 一种基于可信计算的Hadoop平台度量方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610366119.XA CN105975865B (zh) 2016-05-27 2016-05-27 一种基于可信计算的Hadoop平台度量方法

Publications (2)

Publication Number Publication Date
CN105975865A CN105975865A (zh) 2016-09-28
CN105975865B true CN105975865B (zh) 2019-06-07

Family

ID=56956773

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610366119.XA Active CN105975865B (zh) 2016-05-27 2016-05-27 一种基于可信计算的Hadoop平台度量方法

Country Status (1)

Country Link
CN (1) CN105975865B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107124425A (zh) * 2017-05-26 2017-09-01 北京立思辰新技术有限公司 监测设备安全的方法及计算设备
CN108009071B (zh) * 2017-12-05 2020-10-20 苏州浪潮智能科技有限公司 Hadoop集群测试的方法
CN110610100B (zh) * 2019-09-02 2021-06-22 青岛联众芯云科技有限公司 文件验证方法、装置及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103279521A (zh) * 2013-05-28 2013-09-04 重庆大学 一种基于Hadoop的视频大数据分布式解码方法
CN103440265A (zh) * 2013-08-01 2013-12-11 暨南大学 基于MapReduce的MYSQL数据库的变化数据捕获方法
CN103905461A (zh) * 2014-04-14 2014-07-02 北京工业大学 一种基于可信第三方的云服务行为可信证明方法和系统
CN104318163A (zh) * 2014-10-27 2015-01-28 北京工业大学 一种第三方软件可信构建方法
CN105589974A (zh) * 2016-02-04 2016-05-18 通号通信信息集团有限公司 基于Hadoop平台的监控视频检索方法和系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8533231B2 (en) * 2011-08-12 2013-09-10 Nexenta Systems, Inc. Cloud storage system with distributed metadata

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103279521A (zh) * 2013-05-28 2013-09-04 重庆大学 一种基于Hadoop的视频大数据分布式解码方法
CN103440265A (zh) * 2013-08-01 2013-12-11 暨南大学 基于MapReduce的MYSQL数据库的变化数据捕获方法
CN103905461A (zh) * 2014-04-14 2014-07-02 北京工业大学 一种基于可信第三方的云服务行为可信证明方法和系统
CN104318163A (zh) * 2014-10-27 2015-01-28 北京工业大学 一种第三方软件可信构建方法
CN105589974A (zh) * 2016-02-04 2016-05-18 通号通信信息集团有限公司 基于Hadoop平台的监控视频检索方法和系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于HDFS的分布式Namenode节点模型的研究;李宽;《中国优秀硕士学位论文全文数据库信息科技辑》;20111215(第12期);正文第26-43页

Also Published As

Publication number Publication date
CN105975865A (zh) 2016-09-28

Similar Documents

Publication Publication Date Title
US20190317757A1 (en) Deployment of infrastructure in pipelines
US9026502B2 (en) Feedback optimized checks for database migration
Zhou et al. Secure network provenance
US11003563B2 (en) Compliance testing through sandbox environments
CN111052120A (zh) 使用分布式账本的数字资产可追溯性和保证
US8838964B2 (en) Package audit tool
Aublin et al. LibSEAL: Revealing service integrity violations using trusted execution
US11150895B1 (en) Automatically deploying artifacts
US20200110905A1 (en) Security hardened software footprint in a computing environment
US20160048703A1 (en) Securing integrity and consistency of a cloud storage service with efficient client operations
US20230164164A1 (en) Detecting vulnerabilities in configuration code of a cloud environment utilizing infrastructure as code
US11379349B2 (en) Verifiable testcase workflow
CN105975865B (zh) 一种基于可信计算的Hadoop平台度量方法
Liao et al. Towards provenance-based anomaly detection in MapReduce
Chong et al. Code‐level model checking in the software development workflow at Amazon web services
Etchevers et al. Reliable self‐deployment of distributed cloud applications
Beekman Improving cloud security using secure enclaves
Jiang HBase Administration Cookbook
Li et al. A secure, reliable and low-cost distributed storage scheme based on blockchain and IPFS for firefighting IoT data
Nagle et al. Census II of Free and Open Source Software—Application Libraries
Aldin et al. Consistency models in distributed systems: A survey on definitions, disciplines, challenges and applications
Tellnes Dependencies: No software is an island
US20220337620A1 (en) System for collecting computer network entity information employing abstract models
US20230161871A1 (en) System and method for detecting excessive permissions in identity and access management
Kadirvel et al. Towards self‐caring MapReduce: a study of performance penalties under faults

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant