Estetisk preferensigenkänning som en potentiell autentiseringsfaktor

En ny artikel från Israel har föreslagit en autentiseringsmetod baserad på en användares estetiska preferenser, där användaren kalibrerar systemet en gång genom att betygsätta bilder, vilket genererar en privat “domän” av användarens visuella och visuella/konceptuella preferenser. Senare skulle användaren utmanas vid autentiseringstid att matcha sina registrerade preferenser mot nya bildsätt.

Från testerna av en “spelifierad” AEbA-implementering – vänster, användaren betygsätter den estetiska kvaliteten på en bild; höger, ett poäng visas vid slutet av en fas i den aktiva tillämpningsfasen av testerna. Källa: https://arxiv.org/ftp/arxiv/papers/2204/2204.05623.pdf

Systemet kallas Estetisk utvärderingsbaserad autentisering (AEbA), och är en inlämning till 2022 års USENIX Annual Technical Conference i Kalifornien i juli.

AEbA testades av artikelförfattarnas forskare i form av en spelserie, där deltagarna var tvungna att träna systemet och sedan betygsätta nya bilder som stämde överens med deras registrerade smak. En andra omgång tester undersökte en användares förmåga att gissa andras preferenser.

Från artikeln – exempelbilder, från pexels.com, lämpliga för användning i AEbA.

Sådan tillvägagångssätt kan inte vara lämplig för alla människor, eftersom inte alla har en välutvecklad estetisk känslighet, men kan fungera bra antingen som en primär autentiseringsmetod för låg-medelhög säkerhetskrav, eller som ett alternativ i en rad möjliga tilläggsmetoder i tvåfaktorsautentisering (2FA).

Men den nybildade idén om systemet kan utgöra en utgångspunkt för mer komplexa estetiska utmaningssystem, eftersom antalet bilder som presenteras för användare under autentisering kan skalas upp som standard vid behov, på samma sätt som CAPTCHA-utmaningar kan förlängas vid osäkra initiala resultat.

Ju mer detaljerad och utökad utmaningen är, desto högre säkerhet kan ett sådant tillvägagångssätt erbjuda.

En skala av relativ lösenordsstyrka när flera faktorer av en AEbA-utmaning multipliceras: ‘D’ representerar antalet bilder som visas under utmaningen; Dhr representerar antalet bilder som användaren måste välja; och ‘S’ är antalet skärmar (dvs. faser) i den linjära processen av estetisk urval.

I termer av vanliga konventioner för mänsklig autentisering, AEbA inkorporerar element av Något du vet (SYK) och Något du är (SYA), och bygger på tre antaganden: att saker vi gillar (som representeras i det visuella området) är lätt urskiljbara för oss (i enlighet med den allmänna teorin om mnemonik); våra estetiska smaker förblir relativt konsekventa; och att det finns tillräcklig skillnad i smakerna hos varierade användare för att ge en icke-gissbar distinktion i preferenser.

Författarna föreslår att tekniken kunde anpassas till maskinlärningsramverk som kan förutsäga enskilda användares utvärderingar.

Artikeln artikeln heter Vackra hemligheter: användning av estetiska bilder för att autentisera användare, och kommer från två forskare vid Software and Information Systems Engineering-fakulteten vid Ben-Gurion University of the Negev i Beersheba.

Bilden av bildområden

AEbA bygger inte på memorering, utan behandlar slutanvändaren som ett tränat bildigenkänningsystem som har utvecklat en robust och mycket specifik glädjerespons, och fokuserar på dessa mycket starka glädjeassociationer.

I själva verket bygger AEbA på den mänskliga motsvarigheten till abstrakta prioriteringar i datorseende och bildsynthesisystem, som kan förmedla stil och domänspecifika funktioner utan att vara inkapslad i en enda och oföränderlig bild. Det är genom tillämpningen av sådana prioriteringar som ett Generative Adversarial Network (GAN) kan tränas för att inkorporera en domän (t.ex. “Van Gogh”) i genereringen av annars helt nya bilder.

Den nya studien presenterar bevis från tidigare litteratur att bilder är lättare att komma ihåg än ord, att tilltalande bilder är lättare att komma ihåg än allmänna bilder, och att aktiv utvärdering av bilder (såsom under den korta AEbA-träningsprocessen) förbättrar minnesvärdheten av bilder ännu mer. Studier som går tillbaka till 1970-talet har etablerat att människor har “massiv lagringskapacitet” för bilder i allmänhet, och för tidigare visade bilder, och vår förmåga att inkorporera bilder i minnet har demonstrerats att noterbart överträffa vår kapacitet för verbal minnesförmåga.

Fastän sunt förnuft antyder att domänexperter, såsom radiologer, skulle vara mest känsliga för bilder från sina egna domäner, har en 2010-studie hävdat att minneskapacitet för vardagliga bilder är långt större än för domänspecifika bilder, även hos dem med en visuell “specialitet”.

Preferensbaserad autentisering

Idén att utnyttja preferens som en autentiseringsmekanism kom till framträdande i två artiklar ledda av Markus Jakobsson från Palo Alto Research Center, från 2008 och framåt. Denna forskning om Preferensbaserad Autentisering (PBA) föreslog att musik, mat, konstverk och andra saker som vi gillar är ingraverade i våra sinnen och bränsle för kraftfulla inre motivationer.

PBA föreslogs ursprungligen som en enhet för att underlätta lösenordsåterställning, med frågor som “Gillar du countrymusik?”, och fokuserade på textbaserade preferenser enligt traditionella mnemoniska principer, snarare än visuell inmatning.

En senare samarbete från Jakobsson 2012 ersatte text med bilder:

En skärmdump från kalibrerings-/registreringsfasen av Markus Jakobssons 2012 PBA-projekt. Källa

Men författarna noterar att detta schema inte tar hänsyn till estetisk utvärdering av bilderna, utan använder i stället bilder som proxy för ord eller begrepp. I kontrast söker AEbA efter att urskilja en användarspecifik “domän av glädje” som inte är direkt relaterad till specifika saker eller aktiviteter.

Författarna till den nya artikeln observerar också att det finns praktiska begränsningar för antalet objekt som kan presenteras för tittaren enligt 2012 års tillvägagångssätt, medan utvecklingen av en mer abstrakt modell av användarpreferenser tar bort dessa begränsningar och gör externa attacker och mimicry (dvs. baserat på phishing, personlig kunskap eller andra metoder för subterfuge) mycket svårare.

Idén om grafiska lösenord föregår detta arbete, med en mängd olika scheman som uppkom under slutet av 1990-talet. En kontemporär studie överväger PassFaces, där användare var tvungna att komma ihåg ansikten (andra än deras eget) snarare än lösenord. Med detta tillvägagångssätt skulle en potentiell infiltratör teoretiskt sett behöva en extraordinär intim kunskap om användarens ansiktspreferenser. Dessutom kunde användaren förmodligen lita på att välja samma ansikten över tiden under orienteringsfasen.

Från slutet av 1990-talet, PassFaces-schemat testades vid Londons Goldsmiths University och krävde att användaren skulle välja och komma ihåg fyra ansikten av andra människor. Det initiala valet baserades på användarens egen preferens, och i denna mening är arbetet relaterat till AEbA.

Det mest nära relaterade till AEbA är Déjà vu, som presenterade tittare med slumpmässiga konstbilder som inte nödvändigtvis var utformade för att engagera glädjeresponsen, utan snarare för att använda chockerande och disharmoniska bilder för att hjälpa användare att komma ihåg specifika bilder som de skulle inkorporera i en “portfölj” under den initiala registreringen, och senare skulle krävas att känna igen från flera möjliga bilder vid autentiseringstid.

Sammanställning av en “portfölj” av “önskade” bilder för Déjà vu. Källa: https://netsec.ethz.ch/publications/papers/usenix.pdf

Som de nya artikelförfattarna observerar, ignorerar detta tillvägagångssätt fördelarna som presenteras i neuroestetisk litteratur (dvs. det finns liten inre motivation att ansluta till eventuella bilder som erbjuds).

Dessutom är en sådan metod sårbar för “axelsurfning”, där en proximal (eller MiTM) angripare kan ha möjlighet att vittna vilka bilder som väljs. I kontrast skulle en fullständig implementering av AEbA inte upprepa bilder som tidigare använts antingen under tränings- eller autentiseringsessioner.

Dessutom noterar artikeln*:

‘En av problemen som identifierats i grafiska lösenord är att, liksom i vanliga lösenord, användare tenderar att välja enkla teckningar, vilket minskar variabiliteten hos dessa lösenord och gör dem mer mottagliga för adversariala attacker. Ett annat problem (och kanske en anledning till det förra) är potentiell interferens om sådana scheman används i flera system, dvs. användarnas minne av ett lösenord för ett system påverkar deras minne av ett lösenord för ett annat system. Dessa problem är mindre av ett problem när man implementerar AEbA, som bygger på medfödda preferenser som inte beror på specifika konton eller på att komma ihåg bilder.’

Författarna betonar också en ytterligare fördel med AEbA: kontextuell perception. Även om en axelsurfare eller RAT-angripare kunde se en autentiseringsession, skulle de inte veta hur långt “ogillade” bilder (dvs. presenterade bilder som användaren betygsätter lågt eller avvisar under autentisering) är från “gillade” bilder – en faktor som kommer att vara annorlunda varje gång.

‘Följaktligen, att veta att någon gillar en bild behöver inte nödvändigtvis hjälpa om vi inte vet hur mycket bilden gillas i förhållande till andra bilder i den visade uppsättningen.’

Dessutom är det omöjligt för en användare att lagra sitt lösenord osäkert för bekvämlighet, såsom på ett skrivpapper, eftersom deras domän av föredragen bildinnehåll är oerhört abstrakt och icke-reducerbart.

Testning av AEbA

Forskarna implementerade systemet som ett spel, i sammanhanget av en bevis för projektets kärnpunkter, och kuraterade en databas med 318 bilder från den fria stockwebbplatsen pexels.com, och inkluderade också bilder från en personlig samling.

Bilderna klassificerades i åtta kategorier (Universum, Natur, Berg, Skog, Blommor, Stadsbilder, Hav och Övrigt), och testerna delades in i Registrering (där bilderna initialt betygsattes av användarna i en engångs tio minuters session), ett Autentiseringspel och slutligen ett Adversarialt spel (gissning av andras bildpreferenser).

Efter att ha rensat bort icke-bidragande deltagare, reducerades bekvämlighetsurvalet (dvs. testgruppen av deltagare) till 33 kvalificerade spelare, bestående av 21 kvinnor och 12 män.

Registrering

Under registreringsfasen erhölls 3722 betygsättningar för 274 bilder, med en genomsnittlig betygsättning på 6,07, en medianbetygsättning på 6, vilket resulterade i de vanligaste värdena 7 och 8. Den minst omtyckta bilden fick betyget 2,32, och den mest omtyckta 8,63.

Fördelningen av bildbetygsättningar bland topppresterande i testerna.

Författarna hävdar att den påfallande snedvridningen mot höga och låga värden i bildbetygsättning, kombinerat med variationen i sådana gradienter över användarbasen, stöder deras påstående att användare kan tillämpa högt differentierbara betygsättningar på presenterade bilder, utan behov av att inkludera uppenbart frånstötande eller “out-of-distribution”-bilder. Det verkar som att den allmänt varierade smaken och preferenserna över användarbasen är tillräckliga för att validera den centrala idén.

Exempelbilder med olika användarbetygsättningar.

Autentisering

För autentiserings-spelet genomfördes 264 spelsessioner, med varje deltagare som slutförde spelet två gånger under en genomsnittlig åtta sessioner. Genomsnittlig framgångsgrad var 76%.

Box plot-diagram över fördelningen av spelresultat bland de 33 medlemmarna i testgruppen, med medelvärden markerade i svart horisontell linje, som visar median, första och tredje kvartil, med minimum, maximum och avvikare.

Fastän det fanns en “liten minskning” i prestation över tid, minskades denna kraftigt bland de översta 50% av deltagarna, och försvann praktiskt taget bland de 11 bästa deltagarna (en tredjedel av den slutliga användargruppen).

Adversarialt spel

Det adversiala spelet bestod av ostrukturerad spel (till skillnad från registrering), och ägde rum tio dagar efter starten av spelet. 190 spel räknades för resultaten (exklusive spel där tekniska problem uppstod). Det genomsnittliga antalet korrekta adversiala val blev 2,88, en 36% framgångsgrad som tekniskt sett är ekvivalent med slumpen (särskilt med tanke på det låga antalet bilder i datamängden). Men i sju spel kunde bidragsgivare gissa 75% eller mer av de korrekta bilderna.

Slutsats

Den informella testmetodiken (såsom användning av ett bekvämlighetsurval för testkandidater) i studien indikerar att tillvägagångssättet för närvarande representerar en bred bevisidé; en nybildad indikation på att människocentrerad “domänfångst” en dag kan ge en enkel och till och med njutbar metod för autentisering som är svår att appropriera eller störa. Det är tydligt att mycket mer rigorösa tester, med högre antal deltagare och en ordentligt iscensatt autentiseringsScenario, skulle behövas för att etablera värdet av AEbA.

Författarna slutsats:

‘Det skulle också vara intressant att studera möjligheten att använda maskinlärningstekniker för att förutsäga enskilda användares utvärderingar och för att generera nycklar och decoyer som användaren inte tidigare har betygsatt. Sådant kan öka lösenordsutrymmet genom att öka enskilda användares bildpooler och deras variabilitet.’

*Min konvertering av författarnas inline-citat till hyperlänkar

Publicerad första gången den 13 april 2022.