VD30论坛(八)安全控管(下)

VD_publisher 2004-12-22 10:26:15
VD30论坛(八)安全控管(下)
==================================================================================


随着企业的MIS系统进入3-Tier的时代, 甚至可以让员工在家 或是任何有Internet的地方可
以使用企业资讯的系统, 如此将企业的资讯暴露在任何的外点, 恐怕是多数企业担心与不能接受
的一个重要因素, 因此, 3-Tier系统在数据安全的控管上就变成一个非常重要的课题, 在前面论
坛中我们已经对功能性的安全控管提出了解决方案, 在此我们针对更多数据保全的目的做更深入
的介绍.
ROW SECURITY,即代表要控管数据表(Table)的存取权利, 在一般数据库系统其实也有这个功能,
但是也只能针对数据库用户存取那个Table来作为设定依据, 无法控管到每一笔数据的存取权限,
除此之外, 因为VD3是3-Tier的系统, 都是以A/P Server来代理所有Client的Login与存取数据库,
这也是无法使用数据库的安全控管机制的主因. 在VD3中, 我们是以SQuery作为每个Client的读取
权限来控管数据安全, 主要由SecurityStyle与DeptControl来控制安全管理的机制,如下:

SecurityStyle控管模式
------------------------
此模式是比较细腻的一种控管方式, 主要透过SQuery元件中的SecurityStyle,SecFieldName与
SecExcept等属性来控制, 如下说明:
1.安全模式(SecurityStyle): 用来控制数据的安全模式.
(0)ssNone(不启动): 本SQuery不作数据安全控管, 就是任何角色都可以查询所有数据.
(1)ssRoles(依角色): 就是所有归属该使用者相对的角色数据都可以存取, 系统会自动为你加
上 Where 角色栏位 IN (该USER的角色..), 使用IN不使用等于是因为以GETROLE登入的USER
可能有多个对应角色. 须注意在数据表一定有一个栏位记录着数据归属角色为何,此栏位定义
于SecFieldName中.
(2)ssRoleGroup(依角色群): 就是所有归属该使用者相对的角色群数据都可以存取, 系统会自
动为你加上 Where 角色群栏位 IN (该USER角色群..), 使用IN不使用等于是因为GETROLE登
入的USER可能有多个对应角色群. 同样的在数据表一定有一个栏位记录着数据归属角色群为
何, 定义于SecFieldName中.
...全文
139 2 打赏 收藏 举报
写回复
用AI写文章
2 条回复
切换为时间正序
请发表友善的回复…
发表回复
andy_KAO 2004-12-22
  • 打赏
  • 举报
回复
此數據安全機制有申請專利,請勿模仿!!
特別提醒一下!
VD_publisher 2004-12-22
  • 打赏
  • 举报
回复
(3)ssORG(依组织): 就是组织中的主管可以存取所有其属下的数据,组织是一个TREE的结构,所
以系统在SQuery的Where语法中会自动加上 IN (该主管的所有属下角色..), 也就是以组织
中主管的位置, 去抓取其下的所有角色成员, 自动放在Where的IN里面, 当然数据表中也须
将建档者的角色记录于某一个指定栏位中, 定义于SecFieldName属性.
(4)ssORGShare(依组织分享): 除了与ssORG一样外, 又增加了同一个部门中的数据可以相互分
享,即在TREE的结构上同一个部门下的成员的数据都是共享的, 不同部门不共享, 但上层的
任何直属主管皆可存取其下所有成员的数据, ssORG的缺点是只能各个角色独立, 除了主管
可以看到属下的数据外, 无法共享部门间各角色的数据, 使用了ssORGShare就可让同一部门
的数据可以互相分享. 在SQuery的Where语法IN中会比ssORG多出了同部门的角色.
2.安全栏位名称(SecFieldName): 用来定义本安全控管所需的栏位名称, 如果依角色就是指建档
角色栏位名称, 如果依角色群即指建档角色群栏位名称, 依组织则也是指建档角色栏位名称.
3.例外角色群(SecExcept): 可以定义一个例外的角色群, 属于此角色群的角色都可以不受本安
全控管, 如高级主管/财务部门/MIS部门等角色, 都是可以不受此SecurityStyle属性所管控的.
例外角色群设定时, 可选择多个角色群, 数据都是来自系统档案SYS_ROLEGROUPS这个数据表.

DeptControl控管模式
----------------------
此为简易型的多公司多事业群的安全控管功能, 以往如果要分割多公司或多事业群要将数据库
分开的方式, 再由USER LOGIN时选Database,此方式的优点是数据完全分离,互不影响, 但缺点是
如果要整合统计困难与无法统一管理, 所以, VD30提供了一个系统变数 _DEPT_CODE,其为一个
Client与A/P Server都可以透通的变数,说明如下:
1. 当USER LOGIN时, 系统并不会设定此 _DEPT_CODE的变数, 须自行处理此变数, 可以在USERS
这个Table加入公司别 (最好可以设定多个公司别, 所以栏位宽度可以设定大一点),并在MAIN
的INIT取USERS的相关公司别放入_DEPT_CODE中.
2. 在SQUERY元件中有DeptControl(部门控制)与DeptFieldName(部门栏位名称)两个属性来控管
数据安全, 当DeptControl=True,系统会在SQuery中自动加入Where语法IN (_DEPT_CODE), 其
中 _DEPT_CODE可以多个, Where的栏位来自于DeptFieldName属性的设定, 如果_DEPT_CODE有
多个部门, 则以','分开, 如果_DEPT_CODE为空白时, 则就算DeptControl=True,也不会加入
Where的语法, 经过此DeptControl的控制后, 不管User在Form或Report中如何使用CDS,其数据
内容皆会受到_DEPT_CODE的管控, 所以你只要控制_DEPT_CODE, 即可控制整个系统的公司码与
事业群码.
3. DeptFieldName(部门栏位), 可以自由设定, 建议使用统一的栏位名称, 如SITE_CODE或
DEPT_CODE等).

以上如果有使用DeptControl与SecurityStyle共用时, 两者不相互冲突, 可以并用,因为在
Where中是以AND做为条件, 有了SecurityStyle与DeptControl这两种模式, 我们可以很容易将最
难的数据安全控管交给VD3的A/P Server处理, 你只要了解其架构, 与对USER的部门规划与设定
即可, 各位可能觉得这只是个简单的结果论, 但这个规划确实经过了十馀年的努力且好不容易才
实现的, 希望能为各位带来产品的竞争力与用户的满意度.
内容概要:本文介绍了基于Matlab代码实现的电力系统机组组合优化调度方法,适用于IEEE14、IEEE30和IEEE118节点标准测试系统。该资源聚焦于电力系统中发电机组的优化调度问题,通过智能优化算法实现对机组启停、出力分配等决策的最优化,旨在降低运行成本、提升系统可靠性和经济性。文中系统阐述了从数学模型构建、多类型约束处理到优化算法设计与仿真实验验证的完整研究流程,并提供了可复现的Matlab代码,涵盖目标函数设定、约束条件建模及算法求解过程,适用于电力系统调度、能源优化等相关领域的科研与教学实践。; 适合人群:具备电力系统分析、运筹学基础及Matlab编程能力的高校学生、科研人员和工程技术人员,尤其适合从事电力系统优化、智能算法应用研究的研究生与青年学者。; 使用场景及目标:①用于电力系统机组组合(UC)问题的教学实验与课程设计;②支撑科研工作中对遗传算法、粒子群算法等智能优化算法在电力系统调度中应用的研究;③为含可再生能源接入的现代电网调度提供仿真平台与技术参考,助力低碳电力系统规划与运行。; 阅读建议:建议读者结合电力系统调度理论与优化建模知识,深入理解机组组合问题的数学本质与物理约束,再通过Matlab代码进行仿真实践,重点关注算法收敛性、多目标权衡策略与不同测试系统间的性能对比,以实现理论与实践的深度融合。
内容概要:本文研究了一种基于TCN-BiGRU-Attention混合神经网络模型的风电功率预测方法,旨在提升预测精度。该模型融合了时间卷积网络(TCN)对局部时序特征的强大提取能力、双向门控循环单元(BiGRU)对时间序列前后依赖关系的双向捕捉能力,以及注意力(Attention)机制对关键时间步特征的自适应加权聚焦能力。研究采用多变量输入方式,综合纳入风速、风向、温度等多种气象因素作为输入特征,实现风电功率的单步预测。通过对实际风电场数据的实验验证,该模型在预测精度方面相较于单一模型或其他组合模型展现出显著优势,有效降低了预测误差。; 适合人群:具备一定机器学习与深度学习基础,从事新能源预测、电力系统调度或相关领域研究的科研人员与工程技术人员。; 使用场景及目标:①应用于风电场功率实时预测,提升电网调度的稳定性与安全性;②为电力市场交易、储能配置和可再生能源消纳提供高精度数据支持;③作为深度学习模型融合设计的参考案例,推动时序预测技术的发展。; 阅读建议:此资源提供了完整的Matlab代码实现,读者在学习时应重点关注模型结构的设计原理、多变量特征的处理方式以及Attention机制的融入方法,建议结合代码进行复现实验,调整参数以深入理解各组件对最终预测性能的影响。

2,208

社区成员

发帖
与我相关
我的任务
社区描述
其他数据库开发 其他数据库
社区管理员
  • 其他数据库社区
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧