Pengenalan Preferensi Estetika sebagai Faktor Otentikasi Potensial

Makalah baru dari Israel telah mengusulkan skema otentikasi berbasis preferensi estetika pengguna, di mana pengguna mengkalibrasi sistem satu kali dengan menilai gambar, sehingga menghasilkan ‘domain’ pribadi preferensi visual dan konseptual individu tersebut. Kemudian, pengguna akan dihadapkan pada tantangan saat otentikasi untuk mencocokkan preferensi yang telah direkam dengan kumpulan gambar baru.

Dari percobaan implementasi ‘game-ized’ AEbA – kiri, pengguna menilai kualitas estetika gambar; kanan, skor ditampilkan di akhir tahap dalam fase aplikasi aktif percobaan. Sumber: https://arxiv.org/ftp/arxiv/papers/2204/2204.05623.pdf

Sistem ini disebut Otentikasi Berbasis Evaluasi Estetika (AEbA), dan merupakan pengajuan untuk Konferensi Teknis Tahunan USENIX 2022 di California pada bulan Juli.

AEbA telah diuji oleh peneliti makalah dalam bentuk seri permainan, di mana peserta diminta untuk melatih sistem dan kemudian menilai gambar baru yang sesuai dengan selera mereka. Putaran tes kedua memeriksa kemampuan pengguna untuk menebak preferensi orang lain.

Dari makalah – contoh gambar, dari pexels.com, yang sesuai untuk digunakan dalam AEbA.

Pendekatan seperti ini mungkin tidak sesuai untuk semua orang, karena tidak semua orang memiliki kesadaran estetika yang berkembang, tetapi dapat berfungsi baik sebagai skema otentikasi primer untuk kebutuhan keamanan rendah-menengah, atau sebagai salah satu pilihan dalam berbagai metode otentikasi dua faktor (2FA).

Namun, gagasan awal sistem ini dapat membentuk titik awal untuk sistem tantangan estetika yang lebih kompleks, karena jumlah gambar yang disajikan kepada pengguna selama otentikasi dapat ditingkatkan secara default jika perlu, sama seperti tantangan CAPTCHA dapat diperpanjang dalam hal hasil awal yang tidak pasti.

Semakin rinci dan panjang tantangan, semakin tinggi keamanan yang dapat ditawarkan oleh pendekatan ini.

Skala kekuatan password relatif ketika beberapa faktor tantangan AEbA dikalikan: ‘D’ mewakili jumlah gambar yang ditampilkan selama tantangan; Dhr mewakili jumlah gambar yang dipilih pengguna; dan ‘S’ adalah jumlah layar (yaitu tahap) dalam proses seleksi estetika linier.

Dalam hal konvensi umum untuk otentikasi manusia, AEbA menggabungkan elemen Sesuatu yang Anda ketahui (SYK) dan Sesuatu yang Anda miliki (SYA), dan didasarkan pada tiga premis: bahwa hal-hal yang kita sukai (sebagaimana diwakili dalam domain visual) mudah dibedakan bagi kita (sesuai dengan teori mnemonik umum); selera estetika kita relatif konsisten; dan bahwa ada perbedaan yang cukup dalam selera berbagai pengguna untuk menyediakan perbedaan yang tidak dapat ditebak dalam preferensi.

Penulis menyarankan bahwa teknik ini dapat disesuaikan dengan kerangka kerja pembelajaran mesin yang dapat memprediksi evaluasi pengguna individu.

Makalah ini berjudul Rahasia yang indah: menggunakan gambar estetika untuk mengotentikasi pengguna, dan berasal dari dua peneliti di Fakultas Teknik Perangkat Lunak dan Sistem Informasi Universitas Ben-Gurion of the Negev di Beersheba.

Kekuatan Domain Gambar

AEbA tidak bergantung pada memorisasi, tetapi lebih memperlakukan pengguna akhir sebagai sistem pengenalan gambar yang terlatih yang telah mengembangkan respons kesenangan yang kuat dan spesifik, dan mengunci pada respons kesenangan yang sangat kuat ini.

Intinya, AEbA bergantung pada ekivalen manusia dari prior abstrak dalam sistem sintesis gambar dan penglihatan komputer, yang dapat mengkonveykan gaya dan fitur spesifik domain tanpa diwakili oleh gambar tunggal dan tidak berubah. Melalui penerapan prior ini, Jaringan Adversarial Generatif (GAN) dapat dilatih untuk menggabungkan domain (yaitu ‘Van Gogh’) ke dalam generasi gambar baru.

Studi baru ini menemukan bukti dalam literatur sebelumnya bahwa gambar lebih mudah diingat daripada kata-kata, bahwa gambar yang menyenangkan lebih mudah diingat daripada gambar umum, dan bahwa evaluasi aktif gambar (seperti selama proses pelatihan AEbA yang singkat) meningkatkan kemampuan mengingat gambar lebih lanjut. Studi sejak 1970-an telah menetapkan bahwa manusia memiliki ‘kapasitas penyimpanan besar’ untuk gambar secara umum, dan untuk gambar yang telah dilihat sebelumnya, dan kemampuan kita untuk menggabungkan gambar ke dalam memori telah ditunjukkan untuk jauh melebihi kapasitas kita untuk memori verbal.

Meskipun kesadaran umum menyarankan bahwa ahli domain, seperti radiolog, akan paling sensitif terhadap gambar dari domain mereka sendiri, studi 2010 telah menegaskan bahwa kapasitas memori untuk gambar sehari-hari jauh lebih besar daripada untuk gambar spesifik domain, bahkan pada mereka yang memiliki spesialisasi visual.

Otentikasi Berbasis Preferensi

Konsep menggunakan preferensi sebagai mekanisme otentikasi datang ke prominensi dalam dua makalah yang dipimpin oleh Markus Jakobsson dari Pusat Penelitian Palo Alto, sejak 2008. Penelitian ini tentang Otentikasi Berbasis Preferensi (PBA) menyarankan bahwa musik, makanan, karya seni, dan hal-hal lain yang kita sukai tertanam dalam pikiran kita dan didorong oleh motivasi internal yang kuat.

PBA awalnya disarankan hanya sebagai perangkat untuk memfasilitasi reset password, menggunakan pertanyaan seperti ‘Apakah Anda suka musik country?’, dan berkonsentrasi pada preferensi berbasis teks sepanjang prinsip mnemonik tradisional, bukan input visual.

Kolaborasi berikutnya dari Jakobsson pada 2012 menggantikan teks dengan gambar:

Tangkapan layar dari fase kalibrasi/registrasi proyek PBA Markus Jakobsson 2012. Sumber

Namun, penulis mencatat, skema ini tidak memperhitungkan evaluasi estetika gambar, tetapi sebenarnya menggunakan gambar sebagai proxy untuk kata-kata atau konsep. Berbeda dengan AEbA, yang mencari untuk menentukan ‘domain kesenangan’ pengguna yang tidak terkait langsung dengan hal-hal atau kegiatan tertentu.

Penulis makalah baru juga mengamati bahwa ada batasan praktis untuk jumlah item yang dapat disajikan kepada pemirsa dalam pendekatan 2012, sedangkan mengembangkan model abstrak preferensi pengguna yang lebih dapat menghilangkan batasan ini dan membuat serangan luar dan peniruan (yaitu berdasarkan phishing, pengetahuan pribadi, atau metode subterfuge lainnya) jauh lebih sulit.

Gagasan tentang kata sandi grafis sebenarnya mendahului pekerjaan ini, dengan munculnya skema pada akhir 1990-an. Studi kontemporer mempertimbangkan PassFaces, di mana pengguna harus mengingat wajah (selain wajah mereka sendiri) daripada kata sandi. Dengan pendekatan ini, penyerang potensial secara teoretis perlu memiliki pengetahuan domain wajah pengguna yang sangat intim. Selain itu, pengguna dapat diandalkan untuk memilih wajah yang sama selama fase orientasi.

Dari akhir 1990-an, skema PassFaces yang diuji di Universitas Goldsmiths London memerlukan pengguna untuk memilih dan mengingat empat wajah orang lain. Pilihan awal didasarkan pada preferensi pengguna sendiri, dan dalam hal ini pekerjaan ini terkait dengan AEbA. Sumber

Yang paling terkait dengan AEbA adalah Déjà vu, yang menampilkan pengguna dengan gambar seni acak yang tidak dirancang untuk mengaktifkan respons kesenangan, tetapi lebih untuk menggunakan gambar yang mengganggu dan tidak harmonis untuk membantu pengguna mengingat gambar spesifik yang mereka akan masukkan ke dalam ‘portofolio’ selama pendaftaran awal, dan kemudian diminta untuk mengenali dari beberapa gambar yang mungkin pada saat otentikasi.

Mengumpulkan portofolio ‘gambar yang disukai’ untuk Déjà vu. Sumber: https://netsec.ethz.ch/publications/papers/usenix.pdf

Penulis makalah baru mengamati bahwa pendekatan ini mengabaikan manfaat yang diuraikan dalam literatur neuroestetika (yaitu, tidak ada motivasi internal untuk terhubung dengan gambar yang mungkin ditawarkan).

Selain itu, metode ini rentan terhadap ‘shoulder-surfing’, di mana penyerang yang berdekatan (atau MiTM) mungkin memiliki kesempatan untuk menyaksikan gambar mana yang dipilih. Berbeda dengan itu, implementasi penuh AEbA tidak akan mengulangi gambar yang sebelumnya digunakan baik dalam sesi pelatihan maupun otentikasi.

Penulis makalah juga mencatat*:

‘Salah satu masalah yang diidentifikasi dalam kata sandi grafis adalah bahwa, seperti dalam kata sandi biasa, pengguna cenderung memilih gambar sederhana, yang mengurangi variabilitas kata sandi tersebut dan membuatnya lebih rentan terhadap serangan adversarial. Masalah lain (dan mungkin alasan untuk yang sebelumnya) adalah interferensi potensial jika skema seperti ini digunakan dalam beberapa sistem, yaitu, memori pengguna tentang kata sandi untuk satu sistem mengganggu memori mereka tentang kata sandi untuk sistem lain sistem. Masalah-masalah ini kurang menjadi perhatian ketika mengimplementasikan AEbA, yang bergantung pada preferensi bawaan yang tidak bergantung pada akun tertentu atau mengingat gambar.’

Penulis juga menekankan kelebihan tambahan dari AEbA: persepsi kontekstual. Bahkan jika penyerang atau RAT dapat melihat sesi otentikasi, mereka tidak akan tahu seberapa jauh ‘gambar yang tidak disukai’ (yaitu gambar yang disajikan yang dinilai rendah atau ditolak oleh pengguna selama otentikasi) dari ‘gambar yang disukai’ – faktor yang akan berbeda setiap kali.

‘Dengan demikian, mengetahui bahwa seseorang menyukai gambar tidak selalu membantu jika kita tidak tahu seberapa banyak gambar itu disukai relatif terhadap gambar lain dalam set yang ditampilkan.’

Selain itu, mustahil bagi pengguna untuk menyimpan kata sandi mereka secara tidak aman untuk kenyamanan, seperti pada selembar kertas, karena domain konten gambar yang disukai mereka sangat abstrak dan tidak dapat direduksi.

Pengujian AEbA

Peneliti mengimplementasikan sistem sebagai permainan, dalam konteks bukti konsep inti proyek, mengkurasi database 318 gambar dari situs stok gratis pexels.com, dan juga termasuk gambar dari arsip pribadi.

Foto-foto tersebut diklasifikasikan ke dalam delapan kategori (Universe, Nature, Mountains, Forest, Flowers, Cityscapes, Seaside, dan Other), dan percobaan dibagi menjadi Enrolment (di mana gambar-gambar tersebut awalnya dinilai oleh pengguna dalam satu sesi selama sepuluh menit), Permainan Otentikasi, dan akhirnya Permainan Adversarial (menebak preferensi gambar orang lain).

Setelah menyaring peserta yang tidak berkontribusi, sampel kenyamanan (yaitu kelompok peserta) dikurangi menjadi 33 pemain yang memenuhi syarat, terdiri dari 21 perempuan dan 12 laki-laki.

Enrolment

Dalam fase Enrolment, 3722 penilaian diperoleh untuk 274 gambar, dengan rata-rata penilaian 6,07, median penilaian 6, menghasilkan nilai paling sering 7 dan 8. Gambar yang paling tidak disukai memiliki skor 2,32, dan yang paling disukai memiliki skor 8,63.

Distribusi penilaian gambar di antara pemain terbaik dalam percobaan.

Penulis berpendapat bahwa kemiringan yang mencolok ke nilai tinggi dan rendah dalam penilaian gambar, dikombinasikan dengan variasi gradien tersebut di seluruh basis pengguna, membuktikan klaim mereka bahwa pengguna dapat menerapkan skor kesukaan yang sangat berbeda untuk gambar yang disajikan, tanpa perlu memasukkan gambar yang jelas tidak menyenangkan atau ‘di luar distribusi’. Tampaknya bahwa selera dan preferensi yang umum bervariasi di antara pengguna bahkan dalam kelompok kecil sudah cukup untuk memvalidasi konsep inti.

Contoh gambar dengan berbagai penilaian pengguna.

Otentikasi

Untuk Permainan Otentikasi, 264 sesi permainan dilakukan, dengan setiap peserta menyelesaikan permainan dua kali selama rata-rata delapan sesi. Rata-rata tingkat keberhasilan adalah 76%.

Grafik kotak penyebaran skor permainan di antara 33 anggota percobaan, dengan skor rata-rata ditandai dengan garis horizontal tebal, menampilkan median, kuartil pertama dan ketiga, dengan minimum, maksimum, dan outlier.

Meskipun ada ‘penurunan ringan’ dalam kinerja seiring waktu, ini sangat berkurang di antara 50% teratas peserta, hampir menghilang pada 11 peserta teratas (seperempat dari kelompok pengguna akhir).

Permainan Adversarial

Komponen Permainan Adversarial menampilkan permainan tak terbatas (tidak seperti Enrolment), dan terjadi sepuluh hari setelah peluncuran Fase Permainan. 190 permainan dihitung untuk hasil (dengan mengeluarkan permainan di mana terjadi masalah teknis). Rata-rata jumlah pilihan Adversarial yang benar adalah 2,88, dengan tingkat keberhasilan 36% yang secara teknis setara dengan kebetulan (terutama mempertimbangkan jumlah gambar yang rendah dalam dataset). Namun, dalam tujuh permainan, kontributor dapat menebak 75% atau lebih dari gambar yang benar.

Kesimpulan

Metodologi pengujian yang santai (seperti penggunaan sampel kenyamanan untuk pengujian kandidat) dalam studi ini menunjukkan bahwa pendekatan ini saat ini mewakili konsep bukti; indikasi awal bahwa ‘penangkapan domain’ berbasis manusia dapat menyediakan metode otentikasi yang mudah dan bahkan menyenangkan yang sulit untuk dikuasai atau diganggu. Jelas bahwa pengujian yang lebih ketat, dengan jumlah peserta yang lebih besar dan skenario otentikasi yang tepat, diperlukan untuk menetapkan nilai AEbA.

Penulis menyimpulkan:

‘Juga akan menarik untuk mempelajari potensi menggunakan teknik pembelajaran mesin untuk memprediksi evaluasi pengguna individu dan untuk menghasilkan kunci dan umpan yang pengguna belum pernah menilai sebelumnya. Dengan demikian, ruang kata sandi dapat ditingkatkan dengan meningkatkan kumpulan gambar dan variabilitas pengguna individu.’

*Konversi saya dari kutipan inline penulis ke tautan

Dipublikasikan pertama kali pada 13 April 2022.