Reconocimiento de preferencias estéticas como un posible factor de autenticación

Un nuevo artículo de investigación de Israel ha propuesto un esquema de autenticación basado en las preferencias estéticas de los usuarios, en el que el usuario calibra el sistema una sola vez calificando imágenes, generando así un dominio privado de las preferencias visuales y visuales/conceptuales de cada individuo. Más tarde, el usuario sería desafiado en el momento de la autenticación para emparejar sus preferencias registradas con conjuntos de imágenes nuevos.

De las pruebas de una implementación ‘juego-izada’ de AEbA – izquierda, el usuario califica la calidad estética de una imagen; derecha, se muestra una puntuación al final de una etapa en la fase de aplicación activa de las pruebas. Fuente: https://arxiv.org/ftp/arxiv/papers/2204/2204.05623.pdf

El sistema se titula Autenticación basada en la evaluación estética (AEbA), y es una presentación en la Conferencia Técnica Anual de USENIX de 2022 en California en julio.

AEbA fue probado por los investigadores del artículo en forma de una serie de juegos, donde los participantes debían entrenar el sistema y luego calificar nuevas imágenes que se ajustaban a sus gustos registrados. Una segunda ronda de pruebas examinó la capacidad de un usuario para adivinar las preferencias de otros.

Del artículo – imágenes de muestra, de pexels.com, adecuadas para su uso en AEbA.

Tal enfoque puede no ser adecuado para todas las personas, ya que no todos tienen un sentido estético bien desarrollado, pero podría servir bien como un esquema de autenticación principal para requisitos de seguridad bajos o moderados, o como una de las opciones en un rango de métodos de autenticación de dos factores (2FA).

Sin embargo, la idea naciente del sistema podría ser un punto de partida para sistemas de desafíos basados en estética más complejos, ya que el número de imágenes presentadas a los usuarios durante la autenticación podría aumentarse por defecto según sea necesario, de la misma manera que los desafíos CAPTCHA pueden prolongarse en caso de resultados iniciales inciertos.

Cuanto más granular y extendido sea el desafío, mayor será la seguridad que pueda ofrecer este enfoque.

Una escala de fuerza de contraseña relativa cuando varios factores de un desafío AEbA se multiplican: ‘D’ representa el número de imágenes mostradas durante el desafío; Dhr representa el número de imágenes que el usuario debe seleccionar; y ‘S’ es el número de pantallas (es decir, etapas) en el proceso lineal de selección estética.

En términos de convenciones comunes para la autenticación humana, AEbA incorpora elementos de Algo que sabes (SYK) y Algo que eres (SYA), y se basa en tres premisas: que las cosas que nos gustan (representadas en el ámbito visual) son fácilmente distinguibles para nosotros (de acuerdo con la teoría general de la mnemónica); nuestras preferencias estéticas permanecen relativamente consistentes; y que hay una diferencia adecuada en los gustos de los usuarios variados para proporcionar una distinción no adivinable en las preferencias.

Los autores sugieren que la técnica podría adaptarse a marcos de aprendizaje automático capaces de predecir las evaluaciones de los usuarios individuales.

El artículo se titula Secretos hermosos: utilizando imágenes estéticas para autenticar a los usuarios, y proviene de dos investigadores de la Facultad de Ingeniería de Software y Sistemas de Información de la Universidad Ben-Gurión del Néguev en Beersheba.

El poder de los dominios de imágenes

AEbA no depende de la memorización, sino que trata al usuario final como un sistema de reconocimiento de imágenes entrenado que ha desarrollado un conjunto robusto y muy específico de respuestas de placer, y se centra en estas fuertes asociaciones de placer.

En esencia, AEbA se basa en el equivalente humano de priores abstractos en sistemas de visión y síntesis de imágenes por computadora, que pueden transmitir estilo y características específicas del dominio sin estar encarnados en una sola imagen inmutable. Es a través de la aplicación de dichos priores que una Red Adversaria Generativa (GAN) puede ser entrenada para incorporar un dominio (por ejemplo, ‘Van Gogh’) en la generación de imágenes enteramente nuevas.

El nuevo estudio presenta evidencia en la literatura previa de que las imágenes son más fáciles de memorizar que las palabras, que las imágenes agradables son más fáciles de memorizar que las imágenes generales, y que la evaluación activa de las imágenes (como durante el breve proceso de entrenamiento de AEbA) mejora aún más la memorabilidad de las imágenes. Estudios que se remontan a la década de 1970 han establecido que los humanos poseen una ‘capacidad de almacenamiento masiva’ para las imágenes en general, y para las imágenes vistas previamente, y nuestra capacidad para incorporar imágenes en la memoria ha sido demostrada para superar notablemente nuestra capacidad para la memoria verbal.

Aunque el sentido común sugiere que los expertos en dominios, como los radiólogos, serían los más sensibles a las imágenes de sus propios dominios, un estudio de 2010 ha afirmado que la capacidad de memoria para la imaginería cotidiana es mucho más capaz que para la imaginería específica del dominio, incluso en aquellos con una especialidad visual.

Autenticación basada en preferencias

La idea de aprovechar la preferencia como un mecanismo de autenticación llegó a la prominencia en dos artículos liderados por Markus Jakobsson del Centro de Investigación de Palo Alto, a partir de 2008. Esta investigación sobre la Autenticación Basada en Preferencias (PBA) sugirió que la música, la comida, las obras de arte y otras cosas que nos gustan están arraigadas en nuestras mentes y alimentadas por motivaciones internas poderosas.

PBA se sugirió originalmente como un dispositivo para facilitar la restablecimiento de contraseñas, utilizando preguntas como ‘¿Te gusta la música country?’, y se centró en preferencias basadas en texto a lo largo de principios mnemónicos tradicionales, en lugar de entrada visual.

Una colaboración posterior de Jakobsson en 2012 sustituyó el texto con imágenes:

Una captura de pantalla de la fase de calibración/registro del proyecto PBA de Markus Jakobsson de 2012. Fuente

Sin embargo, los autores observan que este esquema no tiene en cuenta la evaluación estética de las imágenes, sino que utiliza imágenes como sustitutos de palabras o conceptos. Por el contrario, AEbA busca discernir un ‘dominio de placer’ específico del usuario que no está directamente relacionado con cosas o actividades específicas.

Los autores del nuevo artículo también observan que hay límites prácticos para el número de elementos que se pueden presentar al espectador en el enfoque de 2012, mientras que desarrollar un modelo más abstracto de preferencias del usuario elimina estos límites y hace que los ataques externos y la imitación (es decir, basados en phishing, conocimiento personal o otros métodos de subterfugio) sean mucho más difíciles.

La idea de contraseñas gráficas es notablemente anterior a este trabajo, con una proliferación de esquemas que surgieron a fines de la década de 1990. Un estudio contemporáneo considera PassFaces, donde los usuarios debían memorizar caras (que no fueran las suyas) en lugar de contraseñas. Con este enfoque, un posible infiltrador teóricamente necesitaría un conocimiento íntimo extraordinario de las preferencias faciales del usuario. Además, el usuario podría presumiblemente ser confiable para seleccionar las mismas caras con el tiempo durante la fase de orientación.

Del final de la década de 1990, el esquema PassFaces probado en la Universidad Goldsmiths de Londres requería que el usuario eligiera y memorizara cuatro caras de otras personas. La elección inicial se basó en la propia preferencia del usuario, y en este sentido el trabajo está relacionado con AEbA. Fuente

Más estrechamente relacionado con AEbA es Déjà vu, que presentó a los espectadores imágenes de arte aleatorias que no necesariamente estaban diseñadas para involucrar la respuesta de placer, sino para utilizar imágenes discordantes y desagradables para ayudar a los usuarios a memorizar imágenes específicas que incorporarían en un ‘portafolio’ durante el registro inicial, y más tarde serían requeridos para reconocer de entre varias imágenes posibles en el momento de la autenticación.

Armando un portafolio de ‘imágenes preferidas’ para Déjà vu. Fuente: https://netsec.ethz.ch/publications/papers/usenix.pdf

Como observan los autores del nuevo artículo, este enfoque ignora los beneficios descritos en la literatura neuroestética (es decir, no hay motivación interna para conectarse con cualquier imagen posible que se ofrezca).

Además, tal método es vulnerable a ‘hombro-surfing’, donde un atacante proximal (o MiTM) puede tener la oportunidad de presenciar qué imágenes se eligen. Por el contrario, una implementación completa de AEbA no repetiría imágenes utilizadas previamente en sesiones de entrenamiento o autenticación.

Además, el artículo señala*:

‘Uno de los problemas identificados en las contraseñas gráficas es que, al igual que en las contraseñas regulares, los usuarios tienden a seleccionar dibujos simples, lo que disminuye la variabilidad de esas contraseñas y las hace más susceptibles a ataques adversarios. Otro problema (y quizás una razón para el anterior) es la posible interferencia si dichos esquemas se utilizan en varios sistemas, es decir, la memoria del usuario de una contraseña para un sistema afecta su memoria de una contraseña para otro sistema. Estos problemas son menos preocupantes al implementar AEbA, que se basa en preferencias innatas que no dependen de cuentas específicas o de memorizar imágenes.’

Los autores también enfatizan una ventaja adicional de AEbA: la percepción contextual. Incluso si un ‘hombro-surfista’ o un atacante RAT pudiera ver una sesión de autenticación, no sabría cuánto se alejan las imágenes ‘no gustadas’ (es decir, las imágenes presentadas que el usuario califica con poca frecuencia o rechaza durante la autenticación) de la imagen ‘gustada’ – un factor que será diferente cada vez.

‘Por lo tanto, saber que a alguien le gusta una imagen no necesariamente ayuda si no sabemos cuánto le gusta la imagen en relación con otras imágenes en el conjunto mostrado.’

Además, es imposible para un usuario almacenar su contraseña de manera insegura para conveniencia, como en un trozo de papel, porque su dominio de contenido de imagen preferido es extraordinariamente abstracto y no reductivo.

Pruebas de AEbA

Los investigadores implementaron el sistema como un juego, en el contexto de una prueba de concepto del proyecto, curando una base de datos de 318 imágenes de un sitio web de stock gratuito pexels.com, y también incluyendo imágenes de un archivo personal.

Las fotos se clasificaron en ocho categorías (Universo, Naturaleza, Montañas, Bosque, Flores, Paisajes urbanos, Costa y Otros), y las pruebas se dividieron en Registro (donde las imágenes fueron calificadas inicialmente por los usuarios en una sesión única de diez minutos), un Juego de autenticación y finalmente un Juego adversario (adivinando las preferencias de imagen de otros).

Después de eliminar a los participantes que no contribuyeron, la muestra de conveniencia (es decir, el grupo de participantes de la prueba) se redujo a 33 participantes elegibles, que consistían en 21 mujeres y 12 hombres.

Registro

En la fase de registro, se obtuvieron 3722 calificaciones para 274 imágenes, con una calificación promedio de 6,07, una mediana de 6, lo que resultó en los valores más frecuentes 7 y 8. La imagen menos gustada obtuvo una calificación de 2,32, y la más gustada obtuvo 8,63.

La distribución de las calificaciones de las imágenes entre los mejores rendimientos en las pruebas.

Los autores sostienen que la notable inclinación hacia valores altos y bajos en las calificaciones de las imágenes, combinada con la variedad de tales gradientes a través de la base de usuarios, corrobora su argumento de que los usuarios pueden aplicar calificaciones de gusto muy diferenciables a las imágenes presentadas, sin la necesidad de incluir imágenes obviamente repulsivas o ‘fuera del conjunto de datos’. Parece que las predilecciones y caprichos generalmente variados a través de incluso un pequeño grupo de usuarios son suficientes para validar el concepto central.

Imágenes de muestra con varias calificaciones de usuarios.

Autenticación

Para el juego de autenticación, se realizaron 264 sesiones de juego, con cada participante completando el juego dos veces en un promedio de ocho sesiones. La tasa de éxito promedio fue del 76%.

Gráfico de caja de la distribución de puntuaciones del juego entre los 33 miembros del grupo de prueba, con puntuaciones medias denotadas en línea negra horizontal en negrita, que muestra la mediana, los primeros y terceros cuartiles, con el mínimo, el máximo y los valores atípicos.

Aunque hubo una ‘ligera disminución’ en el rendimiento con el tiempo, esto se redujo considerablemente entre los mejores participantes, prácticamente desapareciendo en los 11 mejores participantes (un tercio del grupo de usuarios final).

Juego adversario

El componente del juego adversario presentó un juego sin restricciones (a diferencia del registro), y se produjo diez días después del lanzamiento de la fase del juego. Se contabilizaron 190 juegos para los resultados (excluyendo juegos donde ocurrieron problemas técnicos). La cantidad promedio de elecciones correctas en el juego adversario fue de 2,88, una tasa de éxito del 36% técnicamente equivalente a la casualidad (particularmente considerando el bajo número de imágenes en el conjunto de datos). Sin embargo, en siete juegos, los contribuyentes pudieron adivinar el 75% o más de las imágenes correctas.

Conclusión

La metodología de prueba casual (como el uso de una muestra de conveniencia para los candidatos a la prueba) en el estudio indica que el enfoque actual representa una amplia prueba de concepto; una indicación naciente de que la captura de dominio centrada en el ser humano podría proporcionar un día un método de autenticación fácil y hasta agradable que sea difícil de apropiar o interferir. Está claro que se necesitarían pruebas más rigurosas, con un mayor número de participantes y un escenario de autenticación adecuadamente diseñado, para establecer el valor de AEbA.

Los autores concluyen:

‘También sería interesante estudiar el potencial de utilizar técnicas de aprendizaje automático para predecir las evaluaciones de los usuarios individuales y para generar claves y señuelos que el usuario no ha calificado previamente. Esto podría aumentar el espacio de contraseña al aumentar los conjuntos de imágenes y la variabilidad de los usuarios individuales.’

*Mi conversión de las citas en línea de los autores a enlaces

Publicado por primera vez el 13 de abril de 2022.