Rozpoznávání estetických preferencí jako potenciální autentizační faktor

Nová práce z Izraele navrhuje autentizační systém založený na estetických preferencích uživatele. Uživatel systém jednorázově nastaví hodnocením obrázků, čímž vznikne soukromá „doména“ jeho vizuálních a vizuálně-konceptuálních zálib. Při pozdější autentizaci pak z nových sad obrázků vybírá ty, které odpovídají jeho zaznamenaným preferencím.

Z testů herní implementace AEbA: vlevo uživatel hodnotí estetickou kvalitu obrázku, vpravo se na konci etapy při aktivním používání zobrazuje skóre. Zdroj: https://arxiv.org/ftp/arxiv/papers/2204/2204.05623.pdf

Systém se nazývá Autentizace založená na estetickém hodnocení (AEbA) a byl přihlášen na konferenci USENIX Annual Technical Conference konanou v červenci 2022 v Kalifornii.

Výzkumníci AEbA zkoušeli v sérii her. Účastníci nejprve systém trénovali a poté hodnotili nové obrázky odpovídající jejich zaznamenanému vkusu. Druhé kolo testovalo schopnost uživatelů odhadnout preference ostatních.

Ukázkové obrázky z webu pexels.com vhodné pro použití v AEbA, převzaté z práce.

Tento přístup nemusí vyhovovat každému, protože ne všichni mají dobře rozvinuté estetické vnímání. Mohl by však sloužit jako hlavní autentizační metoda při nízkých až středních bezpečnostních požadavcích nebo jako jedna z doplňkových možností při dvoufaktorové autentizaci (2FA).

Tato zatím prvotní myšlenka by mohla být základem složitějších estetických autentizačních výzev. Počet obrázků zobrazovaných během autentizace lze podle potřeby zvyšovat, podobně jako se při nejistých prvních výsledcích prodlužují výzvy CAPTCHA.

Čím je výzva podrobnější a rozsáhlejší, tím vyšší bezpečnost může tento přístup nabídnout.

Relativní síla hesla při násobení několika faktorů výzvy AEbA: D označuje počet zobrazených obrázků, Dhr počet obrázků, které musí uživatel vybrat, a S počet obrazovek neboli etap v postupném estetickém výběru.

Podle běžných principů autentizace lidí AEbA kombinuje něco, co znáte (SYK), a něco, čím jste (SYA). Vychází ze tří předpokladů: to, co se nám vizuálně líbí, snadno rozpoznáváme v souladu s obecnou teorií paměťových pomůcek; náš estetický vkus je poměrně stálý; a preference jednotlivých uživatelů se liší dostatečně, aby tyto rozdíly nebylo možné uhodnout.

Autoři navrhují přizpůsobit tuto techniku systémům strojového učení, které dokážou předvídat hodnocení jednotlivých uživatelů.

Práce se nazývá Beautiful secrets: using aesthetic images to authenticate users a pochází od dvou výzkumníků z fakulty softwarového a informačního inženýrství Ben-Gurionovy univerzity v Negevu v Beer Ševě.

Síla obrazových domén

AEbA nespoléhá na učení zpaměti. Uživatele chápe jako vytrénovaný systém rozpoznávání obrazů, který si vytvořil odolnou a velmi osobitou škálu reakcí potěšení, a využívá těchto silných příjemných asociací.

V podstatě jde o lidskou obdobu abstraktních předchozích znalostí v počítačovém vidění a syntéze obrazu. Ty mohou přenášet styl a vlastnosti určité domény, aniž by byly svázány s jediným neměnným obrázkem. Díky takovým znalostem lze generativní adversariální síť (GAN) naučit zahrnovat doménu (například styl Van Gogha) do tvorby jinak zcela nových obrázků.

Nová studie odkazuje na dřívější důkazy, že obrázky si pamatujeme lépe než slova, příjemné obrázky lépe než obecné a že aktivní hodnocení obrázků, například při krátkém tréninku AEbA, jejich zapamatovatelnost dále zlepšuje. Studie od sedmdesátých let dokládají obrovskou kapacitu lidské paměti pro obrázky obecně i pro dříve viděné obrázky. Bylo prokázáno, že naše schopnost ukládat obrazy do paměti výrazně převyšuje kapacitu slovní paměti.

Přestože bychom očekávali, že odborníci, například radiologové, budou nejcitlivější na obrazy ze svého oboru, studie z roku 2010 tvrdí, že kapacita paměti pro každodenní obrazy je mnohem větší než pro oborově specifické, a to i u lidí s vizuální specializací.

Autentizace založená na preferencích

Využití preferencí k autentizaci se dostalo do popředí díky dvěma pracím vedeným Markusem Jakobssonem z Palo Alto Research Center od roku 2008. Tento výzkum autentizace založené na preferencích (PBA) předpokládal, že hudba, jídlo, umění a další oblíbené věci jsou hluboce zakořeněny v naší mysli a podporovány silnou vnitřní motivací.

PBA měla původně pouze usnadňovat obnovu hesel pomocí otázek typu „Máte rádi country hudbu?“. Soustředila se na slovně vyjádřené preference a tradiční paměťové principy místo vizuálního vstupu.

Jakobssonova pozdější spolupráce v roce 2012 nahradila text obrázky:

Snímek obrazovky z kalibrační a registrační fáze Jakobssonova projektu PBA z roku 2012. Zdroj

Autoři však upozorňují, že tento systém nehodnotí estetiku obrázků, ale používá je jako zástupce slov či pojmů. AEbA naopak hledá individuální doménu potěšení, která není přímo spojena s konkrétními věcmi nebo činnostmi.

Autoři nové práce také poukazují na praktický limit počtu položek, které lze podle přístupu z roku 2012 zobrazit. Abstraktnější model uživatelských preferencí tento limit odstraňuje a podstatně ztěžuje vnější útoky a napodobování založené například na phishingu, osobní znalosti uživatele či jiných podvodech.

Grafická hesla tomuto výzkumu předcházela; řada systémů vznikla koncem devadesátých let. Dobová studie zkoumá PassFaces, kde si uživatelé místo hesel pamatovali cizí tváře. Potenciální útočník by teoreticky potřeboval velmi důvěrnou znalost toho, jaké tváře uživatel preferuje. Dalo by se také očekávat, že uživatel bude během seznamovací fáze opakovaně vybírat stejné tváře.

Systém PassFaces, zkoušený koncem devadesátých let na londýnské Goldsmiths University, vyžadoval výběr a zapamatování čtyř cizích tváří. První výběr vycházel z osobních preferencí, a v tomto smyslu souvisí s AEbA. Zdroj

Nejblíže AEbA je Déjà vu. Zobrazoval náhodné umělecké obrázky, které nemusely vyvolávat potěšení; naopak využíval rušivé a nesourodé obrazy k zapamatování konkrétních obrázků. Uživatel je při registraci zařadil do portfolia a při autentizaci je rozpoznával mezi více možnostmi.

Sestavování portfolia preferovaných obrázků pro Déjà vu. Zdroj: https://netsec.ethz.ch/publications/papers/usenix.pdf

Podle autorů nové práce tím tento přístup přehlíží přínosy popsané v neuroestetické literatuře: k libovolným nabídnutým obrázkům existuje jen malá vnitřní motivace vytvořit si vztah.

Taková metoda je navíc zranitelná vůči nahlížení přes rameno. Blízký útočník nebo útočník typu MiTM může vidět, které obrázky uživatel vybral. Úplná implementace AEbA by naproti tomu neopakovala obrázky dříve použité při tréninku ani při autentizaci.

Práce dále uvádí*:

„Jedním z problémů grafických hesel je, že podobně jako u běžných hesel uživatelé volí jednoduché kresby. To snižuje jejich variabilitu a zvyšuje zranitelnost vůči útokům. Dalším problémem, možná příčinou předchozího, je vzájemné rušení paměti při použití takových systémů na více místech: zapamatování hesla pro jeden systém zhoršuje vybavení hesla pro jiný systém. U AEbA jsou tyto potíže menší, protože vychází z vrozených preferencí nezávislých na konkrétním účtu či zapamatování obrázků.“

Autoři zdůrazňují ještě vnímání kontextu. I kdyby někdo nahlížející přes rameno nebo útočník prostřednictvím RAT viděl autentizační relaci, nevěděl by, jak daleko jsou neoblíbené obrázky, tedy ty s nízkým hodnocením či odmítnuté uživatelem, od oblíbeného obrázku. To je pokaždé jiné.

„Znalost toho, že někdo má určitý obrázek rád, proto nemusí pomoci, pokud nevíme, jak moc jej má rád ve srovnání s ostatními obrázky v zobrazené sadě.“

Uživatel navíc nemůže své heslo pro pohodlí nebezpečně uložit, například na papírek, protože jeho doména oblíbeného obrazového obsahu je mimořádně abstraktní a nelze ji zjednodušit na stručný zápis.

Testování AEbA

Výzkumníci vytvořili hru jako ověření základních předpokladů projektu. Sestavili databázi 318 obrázků z bezplatné fotobanky pexels.com a přidali snímky z osobního archivu.

Fotografie rozdělili do osmi kategorií: vesmír, příroda, hory, les, květiny, městské scenérie, pobřeží a ostatní. Testy zahrnovaly registraci, při níž uživatelé jednorázově hodnotili obrázky v desetiminutové relaci, autentizační hru a nakonec hru útočníka, tedy odhadování preferencí ostatních.

Po vyřazení neaktivních účastníků zůstal příležitostný vzorek, tedy testovaná skupina, o 33 způsobilých hráčích: 21 ženách a 12 mužích.

Registrace

Při registraci získali 3 722 hodnocení pro 274 obrázků. Průměr byl 6,07, medián 6 a nejčastější hodnoty 7 a 8. Nejméně oblíbený obrázek měl skóre 2,32 a nejoblíbenější 8,63.

Rozdělení hodnocení obrázků mezi nejúspěšnějšími účastníky testů.

Autoři považují výrazné příklony k vysokým a nízkým hodnocením spolu s rozdílnými stupnicemi jednotlivých uživatelů za podporu tvrzení, že lidé umějí obrázky hodnotit velmi rozdílně, aniž je nutné přidávat vyloženě odpudivé obrazy nebo obrazy mimo rozdělení dat. I rozmanité záliby malé skupiny podle nich zřejmě stačí k ověření ústřední myšlenky.

Ukázkové obrázky s různými hodnoceními uživatelů.

Autentizace

V autentizační hře proběhlo 264 herních relací. Každý účastník hru dokončil dvakrát v průměru během osmi relací. Průměrná úspěšnost byla 76 %.

Krabicový graf rozdělení herních skóre 33 účastníků. Průměry jsou označeny silnou černou vodorovnou čarou; graf zobrazuje medián, první a třetí kvartil, minimum, maximum a odlehlé hodnoty.

Výkon v čase mírně klesal, ale tento pokles byl mnohem menší u nejúspěšnější poloviny účastníků a prakticky vymizel u 11 nejlepších, tedy třetiny konečné skupiny.

Hra útočníka

Hra útočníka umožňovala na rozdíl od registrace neomezené hraní a proběhla deset dní po zahájení herní fáze. Do výsledků se započítalo 190 her bez těch, u nichž nastaly technické problémy. Průměr správných voleb byl 2,88, tedy úspěšnost 36 %, technicky odpovídající náhodě, zejména vzhledem k malému počtu obrázků v databázi. V sedmi hrách však účastníci správně uhodli alespoň 75 % obrázků.

Závěr

Neformální metodika, například příležitostný výběr účastníků, znamená, že zatím jde jen o předběžné ověření konceptu. Je to první náznak, že zachycení lidské domény preferencí by jednou mohlo nabídnout snadnou a příjemnou autentizaci, kterou útočník obtížně převezme nebo naruší. Pro ověření hodnoty AEbA jsou nutné mnohem přísnější testy s větším počtem lidí a řádně připraveným autentizačním scénářem.

Autoři uzavírají:

„Bylo by také zajímavé zkoumat využití strojového učení k předvídání hodnocení jednotlivých uživatelů a vytváření správných a matoucích obrázků, které uživatel dříve nehodnotil. Tím by bylo možné rozšířit prostor hesel zvětšením souborů obrázků jednotlivých uživatelů a jejich rozmanitosti.“

*Moje převedení průběžných citací autorů na hypertextové odkazy

Poprvé publikováno 13. dubna 2022.