ความปลอดภัยไซเบอร์

การรู้จำความชอบด้านสุนทรียะอาจเป็นปัจจัยในการยืนยันตัวตน

mm
เพิ่ม Unite.AI ลงในแหล่งข้อมูลที่คุณต้องการบน Google

งานวิจัยใหม่จากอิสราเอลได้เสนอระบบการยืนยันตัวตนโดยอาศัยความชอบทางสุนทรียะของผู้ใช้ โดยผู้ใช้จะต้องปรับระบบเพียงครั้งเดียวโดยการให้คะแนนรูปภาพ ซึ่งจะสร้าง “โดเมน” ส่วนตัวของความชอบทางภาพและแนวคิดของผู้ใช้ จากนั้น ผู้ใช้จะต้องจับคู่ความชอบที่บันทึกไว้กับรูปภาพใหม่ในช่วงเวลาในการยืนยันตัวตน

จากการทดลองของการนำ AEbA ไปใช้ในรูปแบบ 'เกม' – ซ้าย ผู้ใช้ให้คะแนนคุณภาพทางสุนทรียะของรูปภาพ; ขวา คะแนนจะแสดง ณ สิ้นสุดของแต่ละขั้นในระยะการนำไปใช้งานของการทดลอง

จากการทดลองของการนำ AEbA ไปใช้ในรูปแบบ ‘เกม’ – ซ้าย ผู้ใช้ให้คะแนนคุณภาพทางสุนทรียะของรูปภาพ; ขวา คะแนนจะแสดง ณ สิ้นสุดของแต่ละขั้นในระยะการนำไปใช้งานของการทดลอง Source: https://arxiv.org/ftp/arxiv/papers/2204/2204.05623.pdf

ระบบนี้มีชื่อว่า การยืนยันตัวตนด้วยการประเมินความชอบทางสุนทรียะ (AEbA) และเป็นข้อเสนอในการนำเสนอที่จะจัดขึ้นที่ USENIX Annual Technical Conference ปี 2022 ในแคลิฟอร์เนียในเดือนกรกฎาคม

AEbA ถูกทดลองโดยนักวิจัยในรูปแบบของซีรีส์เกม โดยผู้เข้าร่วมจะต้องฝึกอบรมระบบและให้คะแนนรูปภาพใหม่ที่สอดคล้องกับความชอบของตนเอง การทดลองรอบที่สองได้ตรวจสอบความสามารถของผู้ใช้ในการเดาความชอบของคนอื่น

จากเอกสาร – ตัวอย่างรูปภาพจาก pexels.com ที่เหมาะสมสำหรับการใช้งาน AEbA

จากเอกสาร – ตัวอย่างรูปภาพจาก pexels.com ที่เหมาะสมสำหรับการใช้งาน AEbA

แนวทางนี้อาจไม่เหมาะสมสำหรับทุกคน เนื่องจากไม่ทุกคนที่มีความสามารถในการรับรู้ความชอบทางสุนทรียะที่ดี แต่สามารถใช้เป็นระบบการยืนยันตัวตนที่เหมาะสมสำหรับความต้องการด้านความปลอดภัยระดับต่ำถึงปานกลาง หรือเป็นหนึ่งในหลายวิธีการยืนยันตัวตนที่เป็นไปได้ในการยืนยันตัวตนที่มีการยืนยันตัวตนแบบสองขั้นตอน (2FA)

อย่างไรก็ตาม แนวคิดที่เพิ่งเริ่มต้นนี้อาจเป็นจุดตั้งต้นของระบบท้าทายที่อาศัยสุนทรียะและซับซ้อนยิ่งขึ้น โดยเพิ่มจำนวนภาพที่แสดงระหว่างการยืนยันตัวตนได้ตามจำเป็น เช่นเดียวกับการต่อเวลาหรือเพิ่มขั้นตอน CAPTCHA เมื่อผลเบื้องต้นยังไม่แน่นอน

การนำเสนอรูปภาพที่มีรายละเอียดและขยายออกไปจะทำให้ระบบมีความปลอดภัยมากขึ้น

การวัดความปลอดภัยของ AEbA เมื่อพิจารณาปัจจัยหลายอย่าง: 'D' หมายถึงจำนวนรูปภาพที่แสดงในช่วงเวลาในการยืนยันตัวตน; Dhr หมายถึงจำนวนรูปภาพที่ผู้ใช้ต้องเลือก; และ 'S' หมายถึงจำนวนหน้าจอ (หรือระยะ) ในกระบวนการรับรู้ความชอบทางสุนทรียะ

การวัดความปลอดภัยของ AEbA เมื่อพิจารณาปัจจัยหลายอย่าง: ‘D’ หมายถึงจำนวนรูปภาพที่แสดงในช่วงเวลาในการยืนยันตัวตน; Dhr หมายถึงจำนวนรูปภาพที่ผู้ใช้ต้องเลือก; และ ‘S’ หมายถึงจำนวนหน้าจอ (หรือระยะ) ในกระบวนการรับรู้ความชอบทางสุนทรียะ

ในแง่ของ แนวปฏิบัติทั่วไปในการยืนยันตัวตนของมนุษย์ AEbA รวมถึงองค์ประกอบของ สิ่งที่คุณรู้ (SYK) และ สิ่งที่คุณเป็น (SYA) และอาศัยสามสมมติฐาน: สิ่งที่เราชอบ (ที่แสดงในรูปภาพ) สามารถแยกแยะได้ง่ายสำหรับเรา ตามทฤษฎีทั่วไปของการช่วยจำ; ความชอบทางสุนทรียะของเรามีความสม่ำเสมอ; และมีความแตกต่างที่เพียงพอในความชอบของผู้ใช้ที่หลากหลายเพื่อให้ได้ความแตกต่างที่ไม่สามารถเดาได้

ผู้เขียนเสนอว่าเทคนิคนี้สามารถปรับให้เข้ากับกรอบการทำงานของการเรียนรู้ของเครื่องจักรที่สามารถคาดการณ์การประเมินของผู้ใช้แต่ละคน

เอกสาร นี้ มีชื่อว่า ความลับสวยงาม: การใช้รูปภาพที่สวยงามเพื่อยืนยันตัวตนผู้ใช้ และมาจากนักวิจัยสองคนจากคณะวิศวกรรมซอฟต์แวร์และระบบข้อมูลที่ Ben-Gurion University of the Negev ใน Beersheba

พลังของโดเมนภาพ

AEbA ไม่พึ่งการท่องจำ แต่ถือว่าผู้ใช้เป็นระบบรู้จำภาพที่ผ่านการฝึกแล้ว มีรูปแบบการตอบสนองด้านความพึงพอใจที่มั่นคงและเฉพาะตัว และใช้ประโยชน์จากความเชื่อมโยงกับความพึงพอใจที่เข้มแข็งเหล่านี้

โดยพื้นฐาน AEbA อาศัยสิ่งที่เทียบได้กับความรู้ตั้งต้นเชิงนามธรรมในระบบคอมพิวเตอร์วิทัศน์และการสังเคราะห์ภาพ ซึ่งถ่ายทอดสไตล์และลักษณะเฉพาะของโดเมนได้โดยไม่ผูกกับภาพเดียวที่ตายตัว การใช้ความรู้ตั้งต้นเช่นนี้ทำให้ฝึกเครือข่ายปฏิปักษ์กำเนิด (GAN) ให้รวมโดเมน (เช่น สไตล์ของแวนโก๊ะ) เข้าไปในการสร้างภาพใหม่ทั้งหมดได้

งานใหม่นี้ยกหลักฐานจากวรรณกรรมก่อนหน้าว่าภาพจำได้ง่ายกว่าคำ ภาพที่ชวนพึงพอใจจำได้ง่ายกว่าภาพทั่วไป และการประเมินภาพอย่างตั้งใจ เช่น ระหว่างการฝึก AEbA สั้น ๆ ยิ่งช่วยให้จดจำภาพได้ดีขึ้น การศึกษาตั้งแต่ทศวรรษ 1970 พบว่ามนุษย์มีความจุในการเก็บภาพในความทรงจำอย่างมหาศาล ทั้งภาพทั่วไปและภาพที่เคยเห็น ความสามารถในการจดจำภาพได้รับการแสดงให้เห็นว่าเหนือกว่าอย่างชัดเจนเมื่อเทียบกับความจำด้านถ้อยคำ

แม้สามัญสำนึกจะชวนให้คิดว่าผู้เชี่ยวชาญ เช่น รังสีแพทย์ จะไวต่อภาพในสาขาของตนมากที่สุด แต่การศึกษาปี 2010 ระบุว่าความจุในการจำภาพในชีวิตประจำวันสูงกว่าภาพเฉพาะสาขามาก แม้ในคนที่มีความเชี่ยวชาญด้านภาพ

การยืนยันตัวตนโดยอาศัยความชอบ

แนวคิดการใช้ความชอบเป็นกลไกยืนยันตัวตนเริ่มเป็นที่สนใจจากงานวิจัยสองฉบับที่นำโดย Markus Jakobsson แห่ง Palo Alto Research Center ตั้งแต่ปี 2008 งานชุดนี้เกี่ยวกับการยืนยันตัวตนโดยอาศัยความชอบ (PBA) เสนอว่าเพลง อาหาร งานศิลปะ และสิ่งอื่นที่เราชอบฝังแน่นในจิตใจและได้รับแรงหนุนจากแรงจูงใจภายในที่เข้มแข็ง

การยืนยันตัวตนโดยอาศัยความชอบ (PBA) ถูกเสนอเพียงเพื่ออำนวยความสะดวกในการรีเซ็ตพาสเวิร์ด โดยใช้คำถามเช่น ‘คุณชอบดนตรีคันทรีหรือไม่?’ และมุ่งเน้นไปที่ความชอบทางข้อความตามหลักการช่วยจำแบบดั้งเดิม แทนการป้อนข้อมูลด้วยภาพ

การทำงานร่วมกัน ในภายหลัง จาก Jakobsson ในปี 2012 แทนที่ข้อความด้วยรูปภาพ:

หน้าจอจากช่วงการฝึกอบรม/การลงทะเบียนของโครงการ PBA ของ Markus Jakobsson ในปี 2012

หน้าจอจากช่วงการฝึกอบรม/การลงทะเบียนของโครงการ PBA ของ Markus Jakobsson ในปี 2012 แหล่งที่มา

อย่างไรก็ตาม ผู้เขียนสังเกตว่าแนวทางนี้ไม่ได้คำนึงถึงการประเมินความชอบทางสุนทรียะของรูปภาพ แต่ใช้รูปภาพเป็นตัวแทนของคำหรือแนวคิดแทน ขณะที่ AEbA ต้องการระบุโดเมนความพึงพอใจเฉพาะผู้ใช้ ซึ่งไม่ได้เกี่ยวข้องโดยตรงกับสิ่งของหรือกิจกรรมเฉพาะอย่าง

ผู้เขียนของเอกสารใหม่ยังระบุด้วยว่ามีข้อจำกัดที่เป็นไปได้ในการนำเสนอจำนวนของรูปภาพที่สามารถแสดงให้ผู้ใช้ได้ ในขณะที่การพัฒนาโมเดลของความชอบของผู้ใช้ที่เป็นนามธรรมจะไม่มีข้อจำกัดเหล่านี้และทำให้การโจมตีและการเลียนแบบจากภายนอกยากขึ้นมาก ไม่ว่าจะอาศัยฟิชชิง ความรู้ส่วนตัวเกี่ยวกับผู้ใช้ หรือกลวิธีหลอกลวงอื่น

แนวคิดรหัสผ่านแบบกราฟิกมีมาก่อนงานนี้ โดยเกิดระบบหลายแบบในปลายทศวรรษ 1990 การศึกษาในยุคนั้นกล่าวถึง PassFaces ซึ่งให้ผู้ใช้จำใบหน้าของคนอื่นแทนรหัสผ่าน ตามทฤษฎี ผู้บุกรุกต้องรู้จักความชอบด้านใบหน้าของผู้ใช้อย่างลึกซึ้งมาก และอาจคาดได้ว่าผู้ใช้จะเลือกใบหน้าเดิมซ้ำเมื่อเวลาผ่านไปในช่วงปรับตัว

จากปลายทศวรรษ 1990 โครงการ PassFaces ที่ Goldsmiths University ในลอนดอนให้ผู้ใช้เลือกและจดจำใบหน้าของคนอื่นสี่ใบหน้า การเลือกครั้งแรกอาศัยความชอบของผู้ใช้เอง จึงมีความเกี่ยวข้องกับ AEbA

จากปลายทศวรรษ 1990 โครงการ PassFaces ที่ Goldsmiths University ในลอนดอนให้ผู้ใช้เลือกและจดจำใบหน้าของคนอื่นสี่ใบหน้า การเลือกครั้งแรกอาศัยความชอบของผู้ใช้เอง จึงมีความเกี่ยวข้องกับ AEbA Source

ที่เกี่ยวข้องมากที่สุดกับ AEbA คือ Déjà vu ซึ่งแสดงรูปภาพศิลปะที่ไม่จำเป็นต้องมีการตอบสนองความชอบ แต่ใช้ภาพที่ชวนสะดุดใจและไม่กลมกลืนเพื่อช่วยให้ผู้ใช้จำรูปภาพที่เฉพาะเจาะจงและรวมเข้ากับ ‘พอร์ตโฟลิโอ’ ในช่วงการลงทะเบียน และต่อมาเรียกรูปภาพเหล่านั้นจากหลายรูปภาพที่แสดงในช่วงเวลาในการยืนยันตัวตน

การสร้างพอร์ตโฟลิโอของรูปภาพที่ชอบสำหรับ Déjà vu

การสร้างพอร์ตโฟลิโอของรูปภาพที่ชอบสำหรับ Déjà vu Source: https://netsec.ethz.ch/publications/papers/usenix.pdf

ผู้เขียนของเอกสารใหม่สังเกตว่าแนวทางนี้ไม่คำนึงถึงประโยชน์ที่ระบุไว้ในเอกสารเกี่ยวกับประสาทวิทยาของสุนทรียะ (กล่าวคือ มีแรงจูงใจภายในเพียงเล็กน้อยที่จะสร้างความผูกพันกับภาพทั่วไปที่นำเสนอ)

นอกจากนี้ วิธีนี้ยังเสี่ยงต่อการ ‘shoulder-surfing’ โดยที่ผู้โจมตีที่อยู่ใกล้เคียงหรือ MiTM อาจมีโอกาสได้เห็นรูปภาพที่เลือก

ในทางตรงกันข้าม AEbA ที่นำไปใช้อย่างสมบูรณ์จะไม่แสดงภาพที่เคยใช้แล้วซ้ำ ไม่ว่าในช่วงฝึกหรือช่วงยืนยันตัวตน

งานวิจัยยังระบุว่า*:

‘ปัญหาหนึ่งของรหัสผ่านแบบกราฟิกคือ เช่นเดียวกับรหัสผ่านทั่วไป ผู้ใช้มักเลือกภาพวาดง่าย ๆ ซึ่งลดความหลากหลายและทำให้ถูกโจมตีได้ง่ายขึ้น อีกปัญหาหนึ่ง ซึ่งอาจเป็นสาเหตุของปัญหาแรก คือความจำอาจรบกวนกันเมื่อใช้ระบบเช่นนี้หลายแห่ง กล่าวคือ ความจำรหัสผ่านของระบบหนึ่งทำให้จำรหัสผ่านของอีกระบบหนึ่งได้ยากขึ้น AEbA มีปัญหาเหล่านี้น้อยกว่า เพราะอาศัยความชอบที่มีอยู่ในตัวบุคคล ซึ่งไม่ขึ้นกับบัญชีเฉพาะหรือการจำภาพ’

ผู้เขียนยังชี้ข้อได้เปรียบอีกอย่าง คือการรับรู้ตามบริบท แม้ผู้แอบมองข้ามไหล่หรือผู้โจมตีผ่าน RAT จะเห็นการยืนยันตัวตน ก็ไม่รู้ว่าภาพที่ผู้ใช้ไม่ชอบ ซึ่งให้คะแนนต่ำหรือปฏิเสธ แตกต่างจากภาพที่ชอบมากเพียงใด ปัจจัยนี้เปลี่ยนไปทุกครั้ง

‘ดังนั้น การรู้ว่าใครชอบภาพหนึ่งอาจไม่ช่วย หากไม่รู้ว่าเขาชอบมากเพียงใดเมื่อเทียบกับภาพอื่นในชุดที่แสดง’

นอกจากนี้ ผู้ใช้ไม่อาจจดรหัสผ่านลงกระดาษอย่างไม่ปลอดภัยเพื่อความสะดวกได้ เพราะโดเมนเนื้อหาภาพที่ชอบเป็นนามธรรมอย่างยิ่งและย่อให้เป็นคำอธิบายง่าย ๆ ไม่ได้

การทดสอบ AEbA

นักวิจัยพัฒนาระบบเป็นเกมเพื่อทดสอบแนวคิดและสมมติฐานหลัก โดยรวบรวมฐานข้อมูล 318 ภาพจากเว็บภาพฟรี pexels.com และเพิ่มภาพจากคลังส่วนตัว

รูปภาพถูกจัดกลุ่มเป็น 8 หมวด (จักรวาล, ธรรมชาติ, ภูเขา, ป่า, ดอกไม้, เมือง, ชายหาด และ อื่นๆ) และการทดลองแบ่งออกเป็น การลงทะเบียน (ที่รูปภาพถูกให้คะแนนโดยผู้ใช้ในช่วงเวลา 10 นาทีเพียงครั้งเดียว) เกม การยืนยันตัวตน และสุดท้าย เกมที่มีการโจมตี (การเดาความชอบของรูปภาพของผู้อื่น)

หลังตัดผู้ที่ไม่ได้มีส่วนร่วมออก กลุ่มตัวอย่างตามความสะดวก หรือกลุ่มทดลอง เหลือผู้เล่นที่เข้าเกณฑ์ 33 คน เป็นหญิง 21 คนและชาย 12 คน

การลงทะเบียน

ในระยะการลงทะเบียน มีการให้คะแนนรูปภาพ 3722 ครั้งสำหรับ 274 รูปภาพ โดยมีค่าเฉลี่ย 6.07 มัธยฐาน 6 และคะแนนที่พบบ่อยที่สุดคือ 7 และ 8 ภาพที่ชอบน้อยที่สุดได้ 2.32 ส่วนภาพที่ชอบมากที่สุดได้ 8.63

การกระจายคะแนนรูปภาพในหมู่ผู้เข้าร่วมที่มีผลการดำเนินงานดีที่สุด

การกระจายคะแนนรูปภาพในหมู่ผู้เข้าร่วมที่มีผลการดำเนินงานดีที่สุด

ผู้เขียนเห็นว่าการให้คะแนนที่เอนเอียงไปทางค่าสูงและต่ำอย่างชัดเจน ประกอบกับความแตกต่างของระดับคะแนนระหว่างผู้ใช้ สนับสนุนว่าผู้ใช้แยกแยะระดับความชอบต่อภาพได้ดี โดยไม่ต้องใส่ภาพที่น่ารังเกียจอย่างชัดเจนหรือภาพนอกการกระจายข้อมูล ความหลากหลายของความชอบแม้ในกลุ่มเล็กดูจะเพียงพอที่จะสนับสนุนแนวคิดหลัก

ภาพตัวอย่างพร้อมคะแนนที่แตกต่างกันจากผู้ใช้

ภาพตัวอย่างพร้อมคะแนนที่แตกต่างกันจากผู้ใช้

การยืนยันตัวตน

สำหรับเกมการยืนยันตัวตน มีการเล่นทั้งหมด 264 ครั้ง โดยผู้เข้าร่วมแต่ละคนเล่นจนจบสองครั้งในจำนวนเซสชันเฉลี่ยแปดครั้ง อัตราความสำเร็จเฉลี่ยคือ 76%

แผนภูมิกล่องของการกระจายคะแนนเกมในหมู่ผู้เข้าร่วม 33 คน โดยมีค่าเฉลี่ยแสดงด้วยเส้นดำหนาแนวนอน พร้อมมัธยฐาน ควอร์ไทล์ที่หนึ่งและสาม ค่าต่ำสุด ค่าสูงสุด และค่านอกกลุ่ม

แผนภูมิกล่องของการกระจายคะแนนเกมในหมู่ผู้เข้าร่วม 33 คน โดยมีค่าเฉลี่ยแสดงด้วยเส้นดำหนาแนวนอน พร้อมมัธยฐาน ควอร์ไทล์ที่หนึ่งและสาม ค่าต่ำสุด ค่าสูงสุด และค่านอกกลุ่ม

แม้ผลงานจะลดลงเล็กน้อยเมื่อเวลาผ่านไป แต่การลดลงนี้น้อยลงมากในกลุ่มผู้เข้าร่วมครึ่งหนึ่งที่ทำได้ดีที่สุด และแทบหายไปในผู้ทำได้ดีที่สุด 11 คน ซึ่งเป็นหนึ่งในสามของกลุ่มสุดท้าย

เกมที่มีการโจมตี

เกมฝั่งผู้โจมตีเปิดให้เล่นได้ไม่จำกัด ต่างจากช่วงลงทะเบียน และจัดขึ้นสิบวันหลังเริ่มช่วงเกม ผลนับรวม 190 เกม โดยไม่นับเกมที่มีปัญหาทางเทคนิค จำนวนคำตอบที่เลือกถูกเฉลี่ยอยู่ที่ 2.88 หรืออัตราสำเร็จ 36% ซึ่งในทางเทคนิคใกล้เคียงการสุ่ม โดยเฉพาะเมื่อคำนึงถึงจำนวนภาพที่น้อยในชุดข้อมูล อย่างไรก็ตาม มีเจ็ดเกมที่ผู้เล่นเดาภาพถูกได้อย่างน้อย 75%

สรุป

วิธีทดลองอย่างไม่เป็นทางการ เช่น การใช้กลุ่มตัวอย่างตามความสะดวก แสดงว่าแนวทางนี้ยังเป็นเพียงการพิสูจน์แนวคิดเบื้องต้น เป็นสัญญาณว่าการจับโดเมนที่มีมนุษย์เป็นศูนย์กลางอาจนำไปสู่วิธียืนยันตัวตนที่ง่ายและสนุก ซึ่งผู้อื่นสวมรอยหรือแทรกแซงได้ยาก แต่ต้องมีการทดลองที่เข้มงวดกว่านี้มาก ใช้ผู้เข้าร่วมจำนวนมากขึ้น และจัดสถานการณ์ยืนยันตัวตนอย่างเหมาะสม เพื่อพิสูจน์คุณค่าของ AEbA

ผู้เขียนสรุปว่า:

‘จะน่าสนใจที่จะศึกษาการใช้เทคนิคการเรียนรู้ของเครื่องจักรเพื่อคาดการณ์การประเมินของผู้ใช้แต่ละคน และสร้างภาพคำตอบและภาพลวงที่ผู้ใช้ไม่เคยให้คะแนนมาก่อน ซึ่งอาจเพิ่มขนาดปริภูมิรหัสผ่านได้ด้วยการเพิ่มจำนวนและความหลากหลายของภาพสำหรับผู้ใช้แต่ละคน’

*การแปลงอ้างอิงภายในของผู้เขียนให้เป็นลิงก์

เผยแพร่ครั้งแรกเมื่อวันที่ 13 เมษายน 2022

ผู้เขียนด้านการเรียนรู้ของเครื่อง, ผู้เชี่ยวชาญด้านการสังเคราะห์ภาพมนุษย์. อดีตหัวหน้าฝ่ายเนื้อหาการวิจัยที่ Metaphysic.ai, จนกระทั่งการรวมเข้าเป็น Brahma.ai ของ DNEG.
เว็บไซต์: martinanderson.ai
ติดต่อ: martin@martinanderson.ai