针对现有访问控制模型在高负载情况下性能不足、缺乏对上下文信息的综合考虑等问题，提出一种支持上下文感知的图结构访问控制模型G-RABAC(graph-based role and attribute-based access control)。首先，G-RABAC结合RBAC(role-based access control)与ABAC(attribute-based access control)模型，将基于ABAC的访问控制策略可视化为授权图，定义角色间的关系为特殊的主体属性，实现了属性和上下文信息的高效管理。其次，构建了基于G-RABAC的访问控制框架，并设计了基于上下文的访问控制决策算法和风险感知算法，实现了支持多维上下文感知的访问控制。在此基础上，集成区块链和G-RABAC模型，设计了用户身份合法性验证合约，结合Web3.0技术有效监控和处理用户访问行为，提升了访问控制的安全性和透明性。实验结果表明，G-RABAC模型的访问控制效率显著提升，与所选基线方案相比，访问控制时间开销基本维持在230 ms以内，且能够在多用户并发场景中支持安全且细粒度的访问控制，具备更高的灵活性和扩展性。