Αναγνώριση Αισθητικών Προτιμήσεων ως Πιθανός Παράγοντας Αυθεντικοποίησης

Μια νέα μελέτη από το Ισραήλ έχει προτείνει ένα σύστημα αυθεντικοποίησης που βασίζεται στις αισθητικές προτιμήσεις του χρήστη, όπου ο χρήστης καλιμπράρει το σύστημα μια φορά αξιολογώντας εικόνες, δημιουργώντας έτσι έναν ιδιωτικό “τομέα” των οπτικών και οπτικο-εννοιολογικών προτιμήσεων του ατόμου. Αργότερα, ο χρήστης θα πρέπει να αντιστοιχίσει τις καταγεγραμμένες προτιμήσεις του με νέα σύνολα εικόνων κατά την ώρα της αυθεντικοποίησης.

Από τις δοκιμές μιας εφαρμογής ‘παίγνιου’ του AEbA – αριστερά, ο χρήστης αξιολογεί την αισθητική ποιότητα μιας εικόνας· δεξιά, ένας βαθμός εμφανίζεται στο τέλος ενός σταδίου στην ενεργό φάση της εφαρμογής των δοκιμών. Πηγή: https://arxiv.org/ftp/arxiv/papers/2204/2204.05623.pdf

Το σύστημα ονομάζεται Αυθεντικοποίηση βασισμένη στην αισθητική αξιολόγηση (AEbA), και είναι μια υποβολή στη διάσκεψη USENIX του 2022 στην Καλιφόρνια τον Ιούλιο.

Το AEbA δοκιμάστηκε από τους ερευνητές της μελέτης με τη μορφή ενός παιχνιδιού, όπου οι συμμετέχοντες έπρεπε να εκπαιδεύσουν το σύστημα και στη συνέχεια να αξιολογήσουν νέες εικόνες που συμμορφώνονται με τις καταγεγραμμένες προτιμήσεις τους. Μια δεύτερη σειρά δοκιμών εξέτασε την ικανότητα του χρήστη να μαντέψει τις προτιμήσεις άλλων.

Από την μελέτη – δείγματα εικόνων, από pexels.com, κατάλληλες για χρήση στο AEbA.

Μια τέτοια προσέγγιση μπορεί να μην είναι κατάλληλη για όλους τους ανθρώπους,καθώς όχι όλοι έχουν μια καλά αναπτυγμένη αισθητική ευαισθησία, αλλά θα μπορούσε να εξυπηρετήσει καλά είτε ως πρωτεύων μηχανισμός αυθεντικοποίησης για χαμηλό-μεσαίο επίπεδο ασφαλείας, είτε ως μια από τις επιλογές σε μια σειρά πιθανών βοηθητικών μεθόδων στην αυθεντικοποίηση δύο παραγόντων (2FA).

Ωστόσο, η πρώιμη ιδέα του συστήματος θα μπορούσε να αποτελέσει ένα σημείο εκκίνησης για πιο σύνθετα συστήματα προκλήσεων που βασίζονται στην αισθητική,καθώς ο αριθμός των εικόνων που παρουσιάζονται στους χρήστες κατά την ώρα της αυθεντικοποίησης θα μπορούσε να αυξηθεί από προεπιλογή ανάλογα με τις ανάγκες, με τον ίδιο τρόπο που οι προκλήσεις CAPTCHA μπορούν να παραταθούν σε περίπτωση αβέβαιων αρχικών αποτελεσμάτων.

Όσο πιο λεπτομερής και εκτεταμένη είναι η πρόκληση, τόσο μεγαλύτερη ασφάλεια μπορεί να προσφέρει μια τέτοια προσέγγιση.

Μια κλίμακα σχετικής ισχύος κωδικού πρόσβασης όταν πολλά στοιχεία μιας πρόκλησης AEbA πολλαπλασιάζονται: ‘D’ αντιπροσωπεύει τον αριθμό των εικόνων που εμφανίζονται κατά την πρόκληση; Dhr αντιπροσωπεύει τον αριθμό των εικόνων που ο χρήστης πρέπει να επιλέξει; και ‘S’ είναι ο αριθμός των οθονών (δηλ. σταδίων) στη γραμμική διαδικασία της αισθητικής επιλογής.

Στα πλαίσια κοινών συμβάσεων για την αυθεντικοποίηση ανθρώπων, το AEbA ενσωματώνει στοιχεία του Κάτι που ξέρετε (SYK) και Κάτι που είστε (SYA), και βασίζεται σε τρεις προϋποθέσεις: ότι τα πράγματα που μας αρέσουν (όπως αντιπροσωπεύονται στο οπτικό κόσμο) είναι εύκολα διακρίσιμα για μας (σύμφωνα με τη γενική θεωρία της μνημονικής); οι αισθητικές μας προτιμήσεις παραμένουν σχετικά σταθερές; και ότι υπάρχει επαρκής διαφορά στις προτιμήσεις των διαφορετικών χρηστών για να παρέχει μια διαφορά προτιμήσεων που δεν μπορεί να μαντευτεί.

Οι συγγραφείς προτείνουν ότι η τεχνική θα μπορούσε να προσαρμοστεί σε πλαίσια μηχανικής μάθησης που είναι ικανά να προβλέπουν τις αξιολογήσεις των ατόμων.

Η μελέτη ονομάζεται Όμορφα μυστικά: χρησιμοποιώντας αισθητικές εικόνες για την αυθεντικοποίηση χρηστών, και προέρχεται από δύο ερευνητές στο Τμήμα Μηχανικών Λογισμικού και Πληροφοριακών Συστημάτων στο Πανεπιστήμιο Ben-Gurion του Νεγκέβ στη Μπερ Σεβά.

Η Δύναμη των Τομέων Εικόνων

Το AEbA δεν βασίζεται στη μνήμη, αλλά αντιμετωπίζει τον τελικό χρήστη ως ένα εκπαιδευμένο σύστημα αναγνώρισης εικόνων που έχει αναπτύξει ένα ανθεκτικό και πολύ συγκεκριμένο φάσμα αντιδράσεων ευχαρίστησης, και επικεντρώνεται σε αυτές τις πολύ ισχυρές συσχετίσεις ευχαρίστησης.

Στην ουσία, το AEbA βασίζεται στο ανθρώπινο ισοδύναμο των αφηρημένων εκ των προτέρων γνώσεων σε συστήματα οπτικής και σύνθεσης εικόνων, τα οποία μπορούν να μεταφέρουν στυλ και χαρακτηριστικά ειδικά για έναν τομέα χωρίς να ενσωματωθούν σε μία μοναδική και αμετάβλητη εικόνα. Είναι μέσω της εφαρμογής τέτοιων εκ των προτέρων γνώσεων που ένα Παραγωγικό Ανταγωνιστικό Δίκτυο (GAN) μπορεί να εκπαιδευτεί για να ενσωματώσει έναν τομέα (π.χ. ‘Βαν Γκογκ’) στη δημιουργία κατά τα άλλα εντελώς νέων εικόνων.

Η νέα μελέτη υποστηρίζει ότι υπάρχουν στοιχεία στη προηγούμενη βιβλιογραφία ότι οι εικόνες είναι πιο εύκολες να θυμόμαστε από τα λόγια, ότι οι ευχάριστες εικόνες είναι πιο εύκολες να θυμόμαστε από τις γενικές εικόνες, και ότι η ενεργητική αξιολόγηση των εικόνων (όπως κατά τη σύντομη διαδικασία εκπαίδευσης του AEbA) βελτιώνει την μνημονική των εικόνων ακόμη περισσότερο. Μελέτες από τη δεκαετία του 1970 έχουν καθιερώσει ότι οι άνθρωποι διαθέτουν ‘μεγάλη χωρητικότητα αποθήκευσης’ για εικόνες γενικά, και για εικόνες που είχαν προβληθεί προηγουμένως, και η ικανότητά μας να ενσωματώνουμε εικόνες στη μνήμη έχει αποδειχθεί να υπερβαίνει σημαντικά σε απόδοση την ικανότητά μας για λεκτική μνήμη.

Αν και η κοινή λογική υποδηλώνει ότι οι ειδικοί τομέα, όπως οι ακτινολόγοι, θα ήταν οι πιο ευαίσθητοι στις εικόνες του δικού τους τομέα, μια μελέτη του 2010 έχει υποστηρίξει ότι η χωρητικότητα μνήμης για καθημερινές εικόνες είναι πολύ μεγαλύτερη από αυτήν για τομέα-ειδικές εικόνες, ακόμη και σε εκείνους με οπτική “ειδικότητα”.

Αυθεντικοποίηση Βασισμένη σε Προτιμήσεις

Η ιδέα της αξιοποίησης προτίμησης ως μηχανισμού αυθεντικοποίησης ήρθε στο προσκήνιο σε δύο μελέτες υπό την ηγεσία του Markus Jakobsson του Palo Alto Research Center, από το 2008 και μετά. Αυτή η σειρά ερευνών γύρω από την Αυθεντικοποίηση Βασισμένη σε Προτιμήσεις (PBA) πρότεινε ότι η μουσική, η τροφή, τα έργα τέχνης και άλλα πράγματα που μας αρέσουν είναι εντυπωσμένα στις μνήμες μας και τροφοδοτούνται από ισχυρές εσωτερικές κίνητρα.

Η PBA αρχικά προτάθηκε απλώς ως ένα εργαλείο για να διευκολύνει την επαναφορά των κωδικών πρόσβασης, χρησιμοποιώντας ερωτήσεις όπως ‘Σου αρέσει η μουσική κάντρι;’, και επικεντρώθηκε σε κειμενικές προτιμήσεις κατά παραδοσιακές μνημονικές αρχές, και όχι σε οπτική είσοδο.

Μια συνεργασία από τον Jakobsson το 2012 αντικατέστησε το κείμενο με εικόνες:

Μια οθόνη από τη φάση βαθμονόμησης/εγγραφής του έργου PBA του Markus Jakobsson το 2012. Πηγή

Ωστόσο, οι συγγραφείς σημειώνουν ότι αυτό το σχήμα δεν λαμβάνει υπόψη την αισθητική αξιολόγηση των εικόνων, αλλά χρησιμοποιεί εικόνες ως υποκατάστατα για λόγια ή έννοιες. Αντίθετα, το AEbA προσπαθεί να διακρίνει έναν εξατομικευμένο “τομέα ευχαρίστησης” που δεν σχετίζεται άμεσα με συγκεκριμένα πράγματα ή δραστηριότητες.

Οι συγγραφείς της νέας μελέτης παρατηρούν επίσης ότι υπάρχουν πρακτικοί περιορισμοί στον αριθμό των στοιχείων που μπορούν να παρουσιαστούν στον θεατή με αυτήν την προσέγγιση, ενώ η ανάπτυξη ενός πιο αφηρημένου μοντέλου των προτιμήσεων του χρήστη αφαιρεί αυτούς τους περιορισμούς και καθιστά τις εξωτερικές επιθέσεις και την μίμηση (π.χ. με φισίνγκ, προσωπικές γνώσεις ή άλλες μεθόδους απάτης) πολύ πιο δύσκολες.

Η ιδέα των γραφικών κωδικών πρόσβασης είναι αξιοσημείωτη πριν από αυτήν την εργασία, με μια πληθώρα συστημάτων που εμφανίστηκαν στα τέλη της δεκαετίας του 1990. Μια μελέτη της εποχής εξετάζει τα PassFaces, όπου οι χρήστες έπρεπε να θυμηθούν πρόσωπα (εκτός από το δικό τους) αντί για κωδικούς πρόσβασης. Με αυτήν την προσέγγιση, ένας πιθανός εισβολέας θα χρειαζόταν μια εξαιρετικά οικεία γνώση των προτιμήσεων του χρήστη για πρόσωπα. Επιπλέον, θα μπορούσε κανείς να υποθέσει ότι ο χρήστης θα επέλεγε τα ίδια πρόσωπα με την πάροδο του χρόνου κατά τη φάση εξοικείωσης.

Από τα τέλη της δεκαετίας του 1990, το σχήμα PassFaces που δοκιμάστηκε στο Πανεπιστήμιο Goldsmiths του Λονδίνου απαιτούσε από τον χρήστη να επιλέξει και να θυμηθεί τέσσερα πρόσωπα άλλων ανθρώπων. Η αρχική επιλογή βασίστηκε στις προτιμήσεις του χρήστη, και σε αυτόν τον βαθμό η εργασία σχετίζεται με το AEbA. Πηγή

Το πιο στενά σχετιζόμενο με το AEbA είναι το Déjà vu, το οποίο παρουσίασε στους θεατές τυχαίες εικόνες τέχνης που δεν σχεδιάστηκαν για να ενεργοποιήσουν την ευχαρίστηση, αλλά χρησιμοποιούσε ενοχλητικές και ασύμφωνες εικόνες για να βοηθήσει τους χρήστες να θυμηθούν συγκεκριμένες εικόνες που θα ενσωματώσουν σε ένα “πορτφόλιο” κατά την αρχική εγγραφή, και αργότερα θα απαιτείτο να αναγνωρίσουν ανάμεσα σε πολλές πιθανές εικόνες κατά την ώρα της αυθεντικοποίησης.

Συγκρότηση ενός χαρτοφυλακίου ‘προτιμώμενων’ εικόνων για το Déjà vu. Πηγή: https://netsec.ethz.ch/publications/papers/usenix.pdf

Όπως παρατηρούν οι συγγραφείς της νέας μελέτης, αυτή η προσέγγιση αγνοεί τα οφέλη που περιγράφονται στην βιβλιογραφία της νευροαισθητικής (δηλ. υπάρχει ελάχιστο εσωτερικό κίνητρο για να συνδεθεί κανείς με οποιαδήποτε πιθανή εικόνα που προσφέρεται).

Επιπλέον, μια τέτοια μέθοδος είναι ευάλωτη σε “shoulder-surfing”, όπου ένας κοντινός (ή MiTM) επιτιθέμενος μπορεί να έχει την ευκαιρία να δει ποίες εικόνες επιλέγονται. Αντίθετα, μια πλήρης εφαρμογή του AEbA δεν θα επαναλάμβανε εικόνες που είχαν χρησιμοποιηθεί προηγουμένως είτε στην εκπαίδευση είτε στις συνεδρίες αυθεντικοποίησης.

Επιπλέον, η μελέτη σημειώνει*:

‘Ένα από τα προβλήματα που έχουν αναγνωριστεί στους γραφικούς κωδικούς πρόσβασης είναι ότι, όπως και στους κανονικούς κωδικούς πρόσβασης, οι χρήστες έχουν την τάση να επιλέγουν απλές σχεδιάσεις, οι οποίες μειώνουν την ποικιλότητα αυτών των κωδικών πρόσβασης και τους καθιστούν πιο ευάλωτους σε επιθέσεις. Ένα άλλο πρόβλημα (και ίσως ο λόγος για το προηγούμενο) είναι η πιθανή παρέμβαση εάν τέτοιες μέθοδοι χρησιμοποιούνται σε πολλά συστήματα, δηλ. η μνήμη του χρήστη για έναν κωδικό πρόσβασης για ένα σύστημα επηρεάζει τη μνήμη του για έναν κωδικό πρόσβασης για ένα άλλο σύστημα. Αυτά τα προβλήματα είναι λιγότερο σημαντικά όταν εφαρμόζεται το AEbA, το οποίο βασίζεται σε εγγενείς προτιμήσεις που δεν εξαρτώνται από συγκεκριμένους λογαριασμούς ή από την απομνημόνευση εικόνων.’

Οι συγγραφείς υπογραμμίζουν επίσης ένα πρόσθετο πλεονέκτημα του AEbA: την αντίληψη του πλαισίου. Ακόμη και αν ένας shoulder-surfer ή ένας RAT επιτιθέμενος μπορούσε να δει μια συνεδρία αυθεντικοποίησης, δεν θα ήξερε πόσο μακριά είναι οι εικόνες που δεν αρέσουν στον χρήστη (δηλ. οι εικόνες που παρουσιάζονται κατά την αυθεντικοποίηση και αξιολογούνται χαμηλά ή απορρίπτονται από τον χρήστη) από την “αγαπημένη” εικόνα – ένας παράγοντας που θα ήταν διαφορετικός κάθε φορά.

‘Συνεπώς, το γεγονός ότι σε κάποιον αρέσει μια εικόνα δεν σημαίνει απαραίτητα ότι θα βοηθήσει αν δεν ξέρουμε πόσο πολύ αρέσει η εικόνα σε σχέση με άλλες εικόνες στο σύνολο που εμφανίζεται.’

Επιπλέον, είναι αδύνατο για έναν χρήστη να αποθηκεύσει τον κωδικό πρόσβασής του με μη ασφαλή τρόπο για λόγους ευκολίας, όπως σε ένα κομμάτι χαρτί, επειδή ο τομέας των προτιμώμενων εικόνων είναι εξαιρετικά αφηρημένος και μη αναγωγικός.

Δοκιμές του AEbA

Οι ερευνητές υλοποίησαν το σύστημα ως ένα παιχνίδι, στο πλαίσιο ενός ελέγχου της βασικής ιδέας και των παραδοχών του έργου, δημιουργώντας μια βάση δεδομένων 318 εικόνων από ένα δωρεάν ιστότοπο stock φωτογραφιών pexels.com, και επίσης συμπεριλαμβάνοντας εικόνες από ένα προσωπικό αρχείο.

Οι φωτογραφίες ταξινομήθηκαν σε οκτώ κατηγορίες (Σύμπαν, Φύση, Βουνά, Δάσος, Λουλούδια, Πόλεις, Παραλία, και Άλλο), και οι δοκιμές διαιρέθηκαν σε Εγγραφή (όπου οι εικόνες αξιολογήθηκαν αρχικά από τους χρήστες σε μια μοναδική δέκαλεπτη συνεδρία), ένα Παιχνίδι Αυθεντικοποίησης, και τελικά ένα Παιχνίδι Ανταγωνισμού (για να μαντέψουν τις προτιμήσεις εικόνων άλλων).

Μετά την απομάκρυνση των μη συνεισφερόντων συμμετεχόντων, το δείγμα ευκολίας (δηλ. η ομάδα δοκιμών) μειώθηκε σε 33 επιλέξιμους παίκτες, αποτελούμενοι από 21 γυναίκες και 12 άνδρες.

Εγγραφή

Στη φάση εγγραφής, 3722 αξιολογήσεις λήφθηκαν για 274 εικόνες, με μέσο όρο 6,07, διάμεσο 6, με τις συχνότερες τιμές 7 και 8. Η λιγότερο αγαπημένη εικόνα είχε βαθμό 2,32, και η πιο αγαπημένη 8,63.

Η κατανομή των αξιολογήσεων εικόνων μεταξύ των συμμετεχόντων με τις καλύτερες επιδόσεις στις δοκιμές.

Οι συγγραφείς υποστηρίζουν ότι οι αξιοσημείωτες κλίσεις προς υψηλές και χαμηλές τιμές στις αξιολογήσεις εικόνων, σε συνδυασμό με την ποικιλία των διαβαθμίσεων αυτών σε όλη την βάση χρηστών, επιβεβαιώνει την άποψή τους ότι οι χρήστες είναι σε θέση να εφαρμόζουν υψηλά διακριτές βαθμολογίες σε παρουσιαζόμενες εικόνες, χωρίς την ανάγκη να περιλαμβάνουν σαφώς αποτρεπτικές ή “εκτός τομέα” εικόνες. Φαίνεται ότι οι γενικά ποικίλες επιθυμίες και προτιμήσεις ακόμη και μιας μικρής ομάδας σε όλη την ομάδα χρηστών είναι αρκετές για να επικυρώσουν την κεντρική ιδέα.

Δείγματα εικόνων με διάφορες αξιολογήσεις χρηστών.

Αυθεντικοποίηση

Για το παιχνίδι αυθεντικοποίησης, 264 συνεδρίες παιχνιδιού διεξήχθησαν, με κάθε συμμετέχοντα να ολοκληρώνει το παιχνίδι δύο φορές σε μέσο όρο οκτώ συνεδρίες. Ο μέσος όρος επιτυχίας ήταν 76%.

Γράφημα box plot της κατανομής των βαθμών παιχνιδιού μεταξύ των 33 μελών της δοκιμής, με μέσους βαθμούς που σημειώνονται σε μαύρη οριζόντια γραμμή, εμφανίζοντας διάμεσο, πρώτο και τρίτο τεταρτημόριο, με ελάχιστο, μέγιστο και outliers.

Αν και υπήρχε μια “ελαφρά υποχώρηση” της απόδοσης με τον χρόνο, αυτό μειώθηκε σημαντικά μεταξύ των κορυφαίων 50% των συμμετεχόντων, και σχεδόν εξαφανίστηκε στους 11 κορυφαίους συμμετέχοντες (ένα τρίτο της τελικής ομάδας χρηστών).

Παιχνίδι Ανταγωνισμού

Το παιχνίδι ανταγωνισμού περιελάμβανε παιχνίδι χωρίς περιορισμούς (αντίθετα με την εγγραφή), και πραγματοποιήθηκε δέκα ημέρες μετά την έναρξη της φάσης του παιχνιδιού. 190 παιχνίδια μετρήθηκαν για τα αποτελέσματα (εξαιρουμένων των παιχνιδιών όπου εμφανίστηκαν τεχνικά προβλήματα). Ο μέσος αριθμός σωστών επιλογών στο παιχνίδι ανταγωνισμού ήταν 2,88, ποσοστό επιτυχίας 36%, τεχνικά ισοδύναμο με τυχαία επιλογή (ειδικά λαμβάνοντας υπόψη τον μικρό αριθμό εικόνων στη βάση δεδομένων). Ωστόσο, σε επτά παιχνίδια, οι συνεισφέροντες ήταν σε θέση να μαντέψουν το 75% ή περισσότερο των σωστών εικόνων.

Συμπέρασμα

Η ανεπίσημη μεθοδολογία δοκιμών, όπως η χρήση δείγματος ευκολίας, δείχνει ότι πρόκειται ακόμη για μια προκαταρκτική απόδειξη της ιδέας. Αποτελεί μια πρώτη ένδειξη ότι η ανθρωποκεντρική καταγραφή ενός τομέα προτιμήσεων θα μπορούσε κάποτε να προσφέρει εύκολη, ακόμη και ευχάριστη αυθεντικοποίηση, την οποία είναι δύσκολο να οικειοποιηθεί ή να διαταράξει ένας επιτιθέμενος. Είναι σαφές ότι θα χρειάζονταν πολύ πιο αυστηρές δοκιμές, με μεγαλύτερο αριθμό συμμετεχόντων και ένα σωστά οργανωμένο σενάριο αυθεντικοποίησης, για να καθοριστεί η αξία του AEbA.

Οι συγγραφείς καταλήγουν:

‘Θα ήταν επίσης ενδιαφέρον να μελετηθεί η δυνατότητα χρήσης τεχνικών μηχανικής μάθησης για να προβλέψουν τις αξιολογήσεις των ατόμων και να δημιουργήσουν σωστές εικόνες και παραπλανητικές εικόνες που ο χρήστης δεν είχε προηγουμένως αξιολογήσει. Έτσι θα μπορούσε να αυξηθεί ο χώρος κωδικών πρόσβασης αυξάνοντας το σύνολο εικόνων κάθε χρήστη και την ποικιλία του.’

*Η μετατροπή των εσωτερικών παραπομπών των συγγραφέων σε υπερσυνδέσμους

Πρώτη δημοσίευση 13ης Απριλίου 2022.