Riconoscimento delle Preferenze Estetiche come Potenziale Fattore di Autenticazione

Un nuovo studio condotto in Israele ha proposto uno schema di autenticazione basato sulle preferenze estetiche dell’utente, in cui l’utente calibra il sistema una volta sola valutando immagini, generando così un “dominio” privato delle predilezioni visive e concettuali di quell’individuo. Successivamente, l’utente verrà sfidato al momento dell’autenticazione a confrontare le proprie preferenze registrate con nuovi set di immagini.

Dai test di un’implementazione ‘giocificata’ di AEbA – a sinistra, l’utente valuta la qualità estetica di un’immagine; a destra, un punteggio viene segnalato alla fine di una fase nella fase di applicazione attiva dei test. Fonte: https://arxiv.org/ftp/arxiv/papers/2204/2204.05623.pdf

Il sistema si chiama Autenticazione basata sulla Valutazione Estetica (AEbA), ed è una proposta presentata alla Conferenza tecnica annuale USENIX del 2022 in California, nel mese di luglio.

AEbA è stato testato dai ricercatori del progetto sotto forma di una serie di giochi, in cui i partecipanti dovevano addestrare il sistema e poi valutare nuove immagini che corrispondevano ai loro gusti registrati. Un secondo round di test ha esaminato la capacità dell’utente di indovinare le preferenze degli altri.

Dallo studio – immagini di esempio, da pexels.com, adatte all’uso in AEbA.

Un tale approccio potrebbe non essere adatto a tutte le persone, poiché non tutti hanno una sensibilità estetica ben sviluppata, ma potrebbe servire bene come schema di autenticazione primario per requisiti di sicurezza bassi-medio, o come una delle opzioni in un insieme di metodi aggiuntivi per l’autenticazione a due fattori (2FA).

Tuttavia, l’idea nascente del sistema potrebbe costituire un punto di partenza per sistemi di sfida estetica più complessi, poiché il numero di immagini presentate agli utenti durante l’autenticazione potrebbe essere aumentato di default come necessario, allo stesso modo in cui le sfide CAPTCHA possono essere prolungate in caso di risultati iniziali incerti.

La sfida più granulare e prolungata, la sicurezza di tale approccio può offrire è più alta.

Una scala di forza della password relativa quando più fattori di una sfida AEbA si moltiplicano: ‘D’ rappresenta il numero di immagini visualizzate durante la sfida; Dhr rappresenta il numero di immagini che l’utente è richiesto di selezionare; e ‘S’ è il numero di schermate (cioè fasi) nel processo lineare di selezione estetica.

In termini di convenzioni comuni per l’autenticazione umana, AEbA incorpora elementi di Qualcosa che sai (SYK) e Qualcosa che sei (SYA), e si basa su tre premesse: che le cose che ci piacciono (come rappresentate nel regno visivo) sono facilmente distinguibili per noi (in conformità con la teoria generale della mnemotecnica); le nostre preferenze estetiche rimangono relativamente coerenti; e che c’è una differenza sufficiente nei gusti dei vari utenti per fornire una distinzione non indovinabile nelle preferenze.

Gli autori suggeriscono che la tecnica potrebbe essere adattata a framework di apprendimento automatico in grado di prevedere le valutazioni individuali degli utenti.

Lo studio si intitola Segreti belli: utilizzare immagini estetiche per autenticare gli utenti, e proviene da due ricercatori della facoltà di Ingegneria del Software e dei Sistemi Informativi dell’Università Ben-Gurion del Negev a Beersheba.

Il Potere dei Domini delle Immagini

AEbA non si basa sulla memorizzazione, ma tratta l’utente finale come un sistema di riconoscimento di immagini addestrato che ha sviluppato una gamma robusta e molto specifica di risposte di piacere, e si concentra su queste forti associazioni di piacere.

In sostanza, AEbA si basa sull’equivalente umano di priori astratti nei sistemi di visione e sintesi di immagini, che possono trasmettere stile e caratteristiche specifiche del dominio senza essere incorporati in un’unica immagine immutabile. È attraverso l’applicazione di tali priori che una rete generativa avversaria (GAN) può essere addestrata per incorporare un dominio (ad esempio “Van Gogh”) nella generazione di immagini completamente nuove.

Lo studio propone prove nella letteratura precedente che le immagini sono più facili da memorizzare delle parole, che le immagini piacevoli sono più facili da memorizzare delle immagini generiche, e che la valutazione attiva delle immagini (come durante il breve processo di addestramento AEbA) migliora ulteriormente la memorabilità delle immagini. Studi risalenti agli anni ’70 hanno stabilito che gli esseri umani possiedono una “capacità di archiviazione massiccia” per le immagini in generale, e per le immagini precedentemente visualizzate, e la nostra capacità di incorporare immagini nella memoria è stata dimostrata per superare notevolmente la nostra capacità di memoria verbale.

Sebbene il buon senso suggerisca che gli esperti di dominio, come i radiologi, sarebbero i più sensibili alle immagini del loro dominio, uno studio del 2010 ha affermato che la capacità di memoria per le immagini quotidiane è molto più ampia di quella per le immagini specifiche del dominio, anche in coloro che hanno una specialità visiva.

Autenticazione basata sulle Preferenze

L’idea di sfruttare le preferenze come meccanismo di autenticazione è emersa in due studi guidati da Markus Jakobsson del Palo Alto Research Center, a partire dal 2008. Questo filone di ricerca sull’Autenticazione basata sulle Preferenze (PBA) ha suggerito che la musica, il cibo, le opere d’arte e altre cose che ci piacciono sono radicate nella nostra mente e alimentate da potenti motivazioni interne.

PBA è stato originariamente suggerito semplicemente come dispositivo per facilitare la reimpostazione delle password, utilizzando domande come “Ti piace la musica country?”, e concentrandosi su preferenze basate su testo lungo principi mnemonici tradizionali, piuttosto che su input visivo.

Una collaborazione successiva di Jakobsson nel 2012 ha sostituito il testo con immagini:

Uno screenshot dalla fase di calibrazione/registrazione del progetto PBA di Markus Jakobsson del 2012. Fonte

Tuttavia, gli autori notano che questo schema non tiene conto della valutazione estetica delle immagini, ma utilizza in effetti le immagini come proxy per parole o concetti. Al contrario, AEbA cerca di discernere un “dominio di piacere” specifico dell’utente che non è direttamente legato a cose o attività specifiche.

Gli autori del nuovo studio osservano anche che ci sono limiti pratici al numero di elementi che possono essere presentati al visualizzatore con l’approccio del 2012, mentre lo sviluppo di un modello più astratto delle preferenze dell’utente rimuove questi limiti e rende gli attacchi esterni e la mimetizzazione (ad esempio basati su phishing, conoscenza personale o altri metodi di inganno) molto più difficili.

L’idea delle password grafiche precede notevolmente questo lavoro, con una proliferazione di schemi emersi alla fine degli anni ’90. Uno studio contemporaneo considera PassFaces, dove gli utenti dovevano memorizzare volti (altri che il proprio) anziché password. Con questo approccio, un potenziale infiltrato avrebbe teoricamente bisogno di una conoscenza intima straordinaria delle preferenze facciali dell’utente. Inoltre, l’utente potrebbe presumibilmente essere affidato a selezionare gli stessi volti nel tempo durante la fase di orientamento.

Dagli anni ’90, lo schema PassFaces sperimentato all’Università di Goldsmiths di Londra richiedeva all’utente di scegliere e memorizzare quattro volti di altre persone. La scelta iniziale si basava sulle preferenze dell’utente, e in questo senso il lavoro è legato ad AEbA. Fonte

Meno strettamente legato ad AEbA è Déjà vu, che presentava agli spettatori immagini d’arte casuali non necessariamente progettate per coinvolgere la risposta di piacere, ma piuttosto intese a utilizzare immagini sconvolgenti e discordanti per aiutare gli utenti a memorizzare immagini specifiche che avrebbero incorporato in un “portafoglio” durante la registrazione iniziale, e successivamente sarebbero stati richiesti di riconoscere da più immagini possibili al momento dell’autenticazione.

Assemblaggio di un portafoglio di ‘immagini preferite’ per Déjà vu. Fonte: https://netsec.ethz.ch/publications/papers/usenix.pdf

Il nuovo studio osserva che questo approccio ignora i benefici delineati nella letteratura neuroestetica (ad esempio, c’è poca motivazione interna per connettersi con qualsiasi immagine possibile che venga offerta).

Inoltre, un tale metodo è vulnerabile al “shoulder-surfing”, dove un attaccante prossimo (o MiTM) potrebbe avere l’opportunità di osservare quali immagini vengono scelte. Al contrario, una piena implementazione di AEbA non ripeterebbe immagini precedentemente utilizzate sia durante la formazione che durante le sessioni di autenticazione.

Inoltre, lo studio nota*:

‘Uno dei problemi identificati nelle password grafiche è che, come nelle password regolari, gli utenti tendono a selezionare disegni semplici, che diminuiscono la variabilità di tali password e le rendono più suscettibili ad attacchi avversari. Un altro problema (e forse una ragione per il precedente) è la possibile interferenza se tali schemi vengono utilizzati in più sistemi, ad esempio, la memoria dell’utente di una password per un sistema interferisce con la memoria di una password per un altro sistema. Questi problemi sono meno preoccupanti quando si implementa AEbA, che si basa su preferenze innate che non dipendono da account specifici o dalla memorizzazione di immagini.’

Gli autori sottolineano anche un ulteriore vantaggio di AEbA: la percezione contestuale. Anche se un “shoulder-surfer” o un attaccante RAT fosse in grado di visualizzare una sessione di autenticazione, non saprebbe quanto le immagini “non amate” (ad esempio, le immagini presentate che l’utente valuta bassamente o rifiuta durante l’autenticazione) siano lontane dall’immagine “amata” – un fattore che sarà diverso ogni volta.

‘Di conseguenza, sapere che qualcuno ama un’immagine non aiuta necessariamente se non si sa quanto l’immagine è amata rispetto ad altre immagini nel set visualizzato.’

Inoltre, è impossibile per un utente archiviare la propria password in modo non sicuro per comodità, come su un pezzo di carta, perché il proprio dominio di contenuto di immagini preferite è straordinariamente astratto e non riduttivo.

Test di AEbA

I ricercatori hanno implementato il sistema come un gioco, nel contesto di una prova del concetto del progetto, curando un database di 318 immagini da un sito di stock gratuito pexels.com, e includendo anche immagini da un archivio personale.

Le foto sono state classificate in otto categorie (Universo, Natura, Montagne, Foresta, Fiori, Paesaggi urbani, Marina e Altro), e i test sono stati divisi in Iscrizione (dove le immagini sono state inizialmente valutate dagli utenti in una sessione di dieci minuti), un Gioco di autenticazione e infine un Gioco avversario (indovinare le preferenze di immagini degli altri).

Dopo aver eliminato i partecipanti non contribuenti, il campione di convenienza (cioè il gruppo di prova dei partecipanti) è stato ridotto a 33 giocatori idonei, composti da 21 femmine e 12 maschi.

Iscrizione

Nella fase di iscrizione, sono state ottenute 3722 valutazioni per 274 immagini, con una valutazione media di 6,07, una valutazione mediana di 6, risultando nei valori più frequenti 7 e 8. L’immagine meno amata ha ottenuto solo 2,32, e l’immagine più amata ha ottenuto 8,63.

La distribuzione delle valutazioni delle immagini tra i migliori performer nei test.

Gli autori sostengono che le notevoli deviazioni verso valori alti e bassi nelle valutazioni delle immagini, combinate con la varietà di tali gradienti nell’intero utente, confermano la loro affermazione che gli utenti sono in grado di applicare punteggi di gradimento molto differenziabili alle immagini presentate, senza la necessità di includere immagini ovviamente ripugnanti o “fuori dal dominio”. Sembra che le predilezioni e le preferenze variegate degli utenti siano sufficienti per validare il concetto centrale.

Immagini di esempio con varie valutazioni degli utenti.

Autenticazione

Per il gioco di autenticazione, sono state condotte 264 sessioni di gioco, con ogni partecipante che ha completato il gioco due volte in una media di otto sessioni. La percentuale di successo media è stata del 76%.

Grafico a box plot della distribuzione dei punteggi del gioco tra i 33 membri del test, con punteggi medi indicati in linea nera orizzontale, visualizzando mediane, primi e terzi quartili, con minimo, massimo e valori anomali.

Sebbene ci sia stato un “lieve calo” delle prestazioni nel tempo, questo è stato notevolmente ridotto tra i migliori partecipanti, praticamente scomparendo nei 11 migliori partecipanti (un terzo del gruppo di utenti finale).

Gioco Avversario

La componente del Gioco Avversario ha presentato un gioco senza restrizioni (a differenza dell’Iscrizione), e si è svolta dieci giorni dopo il lancio della Fase di gioco. Sono stati conteggiati 190 giochi per i risultati (escludendo i giochi in cui si sono verificati problemi tecnici). La media di scelte avversarie corrette è stata di 2,88, con una percentuale di successo del 36% tecnicamente equivalente al caso (in particolare considerando il numero limitato di immagini nel set di dati). Tuttavia, in sette giochi, i contributori sono stati in grado di indovinare il 75% o più delle immagini corrette.

Conclusione

La metodologia di test casuale (come l’uso di un campione di convenienza per i candidati di test) nello studio indica che l’approccio attuale rappresenta un’ampia prova del concetto; un’indicazione nascente che la cattura del dominio umano-centrica potrebbe un giorno fornire un metodo di autenticazione facile e anche piacevole che è difficile da appropriare o interferire. È chiaro che saranno necessari test più rigorosi, con un numero maggiore di partecipanti e uno scenario di autenticazione opportunamente allestito, per stabilire il valore di AEbA.

Gli autori concludono:

‘Sarebbe anche interessante studiare la possibilità di utilizzare tecniche di apprendimento automatico per prevedere le valutazioni individuali degli utenti e generare chiavi e decoy che l’utente non ha valutato in precedenza. Ciò potrebbe aumentare lo spazio delle password aumentando i pool di immagini degli utenti e la loro variabilità.’

*La mia conversione delle citazioni in linea degli autori in collegamenti ipertestuali

Pubblicato per la prima volta il 13 aprile 2022.