Suchergebnisse

International audience ; Un modèle de contrôle d'accès comprend : - une politique (ou un règlement) de contrôle d'accès qui spécifie les accès autorisés aux données ; - une politique d'administration qui indique comment la politique de contrôle d'accès peut être mise à jour. Un mécanisme de contrôle d'accès est une solution logicielle ou matérielle pour appliquer une politique de contrôle d'accès. Dans cet article, nous passons d'abord en revue les différents modèles de contrôle d'accès existants en indiquant leur domaine d'application. Ces modèles de contrôle d'accès sont répartis dans différentes catégories. Ainsi, nous considérons les modèles de contrôle d'accès discrétionnaires DAC (Discretionary Access Control), les modèles de contrôle d'accès obligatoires MAC (Mandatory Access Control), les modèles de contrôle d'accès à base de rôles RBAC (Role Based Access Control) et les modèles de contrôle d'accès contextuels CBAC (Context-Based Access Control). Nous étudions ensuite les solutions existantes de contrôle d'accès pour les données relationnelles, XML (eXtensible Markup Language) et RDF (Resource Description Framework) en nous focalisant sur certaines particularités relatives à chacun de ces trois formats de données. Enfin, dans la dernière partie de cet article, nous évoquons les nouveaux enjeux en matière de contrôle d'accès qui sont apparus dans le cadre du réseau Internet, des nouvelles applications dans le nuage (cloud computing) et de l'accroissement exponentiel du volume mondiale de données numériques (Big Data).

International audience ; Un modèle de contrôle d'accès comprend : - une politique (ou un règlement) de contrôle d'accès qui spécifie les accès autorisés aux données ; - une politique d'administration qui indique comment la politique de contrôle d'accès peut être mise à jour. Un mécanisme de contrôle d'accès est une solution logicielle ou matérielle pour appliquer une politique de contrôle d'accès. Dans cet article, nous passons d'abord en revue les différents modèles de contrôle d'accès existants en indiquant leur domaine d'application. Ces modèles de contrôle d'accès sont répartis dans différentes catégories. Ainsi, nous considérons les modèles de contrôle d'accès discrétionnaires DAC (Discretionary Access Control), les modèles de contrôle d'accès obligatoires MAC (Mandatory Access Control), les modèles de contrôle d'accès à base de rôles RBAC (Role Based Access Control) et les modèles de contrôle d'accès contextuels CBAC (Context-Based Access Control). Nous étudions ensuite les solutions existantes de contrôle d'accès pour les données relationnelles, XML (eXtensible Markup Language) et RDF (Resource Description Framework) en nous focalisant sur certaines particularités relatives à chacun de ces trois formats de données. Enfin, dans la dernière partie de cet article, nous évoquons les nouveaux enjeux en matière de contrôle d'accès qui sont apparus dans le cadre du réseau Internet, des nouvelles applications dans le nuage (cloud computing) et de l'accroissement exponentiel du volume mondiale de données numériques (Big Data).

International audience ; The Tahitian Pearl is the most valuable export product of French Polynesia contributing with over 61 million Euros to more than 50% of the total export income. To maintain its excellent reputation on the international market, an obligatory quality control for every pearl deemed for exportation has been established by the local government. One of the controlled quality parameters is the pearls nacre thickness. The evaluation is currently done manually by experts that are visually analyzing X-ray images of the pearls. In this article, a computer vision based approach to automate this procedure is presented. Even though computer vision based approaches for pearl nacre thickness measurement exist in the literature, the very specific features of the Tahitian pearl, namely the large shape variety and the occurrence of cavities, have so far not been considered. The presented work closes the. Our method consists of segmenting the pearl from X-ray images with a model-based approach, segmenting the pearls nucleus with an own developed heuristic circle detection and segmenting possible cavities with region growing. Out of the obtained boundaries, the 2-dimensional nacre thickness profile can be calculated. A certainty measurement to consider imaging and segmentation imprecision s is included in the procedure. The proposed algorithms are tested on 298 manually evaluated Tahitian pearls, showing that it is generally possible to automatically evaluate the nacre thickness of Tahitian pearls with computer vision. Furthermore the results show that the automatic measurement is more precise and faster than the manual one.

International audience ; The Tahitian Pearl is the most valuable export product of French Polynesia contributing with over 61 million Euros to more than 50% of the total export income. To maintain its excellent reputation on the international market, an obligatory quality control for every pearl deemed for exportation has been established by the local government. One of the controlled quality parameters is the pearls nacre thickness. The evaluation is currently done manually by experts that are visually analyzing X-ray images of the pearls. In this article, a computer vision based approach to automate this procedure is presented. Even though computer vision based approaches for pearl nacre thickness measurement exist in the literature, the very specific features of the Tahitian pearl, namely the large shape variety and the occurrence of cavities, have so far not been considered. The presented work closes the. Our method consists of segmenting the pearl from X-ray images with a model-based approach, segmenting the pearls nucleus with an own developed heuristic circle detection and segmenting possible cavities with region growing. Out of the obtained boundaries, the 2-dimensional nacre thickness profile can be calculated. A certainty measurement to consider imaging and segmentation imprecision s is included in the procedure. The proposed algorithms are tested on 298 manually evaluated Tahitian pearls, showing that it is generally possible to automatically evaluate the nacre thickness of Tahitian pearls with computer vision. Furthermore the results show that the automatic measurement is more precise and faster than the manual one.