Nhận dạng Ưa thích Aesthetic như một Yếu tố Xác thực tiềm năng

Một bài báo mới từ Israel đã đề xuất một sơ đồ xác thực dựa trên sở thích thẩm mỹ của người dùng, trong đó người dùng hiệu chỉnh hệ thống một lần bằng cách đánh giá hình ảnh, từ đó tạo ra một ‘miền’ riêng tư của các sở thích thị giác và thị giác / khái niệm của cá nhân đó. Sau đó, người dùng sẽ được thách thức tại thời điểm xác thực để khớp với sở thích đã ghi lại của họ với các tập hợp hình ảnh mới.

Từ các thử nghiệm của một triển khai ‘trò chơi hóa’ AEbA – trái, người dùng đánh giá chất lượng thẩm mỹ của một hình ảnh; phải, một điểm số được tín hiệu ở cuối giai đoạn của giai đoạn ứng dụng tích cực của các thử nghiệm. Nguồn: https://arxiv.org/ftp/arxiv/papers/2204/2204.05623.pdf

Hệ thống này được gọi là Xác thực dựa trên Đánh giá Thẩm mỹ (AEbA), và là một đề xuất cho Hội nghị Kỹ thuật Hàng năm USENIX 2022 tại California vào tháng 7.

AEbA đã được thử nghiệm bởi các nhà nghiên cứu của bài báo dưới dạng một loạt trò chơi, trong đó người tham gia phải đào tạo hệ thống và sau đó đánh giá các hình ảnh mới phù hợp với sở thích đã đăng ký của họ. Một vòng thử nghiệm thứ hai đã kiểm tra khả năng của người dùng để đoán sở thích của người khác.

Từ bài báo – mẫu hình ảnh, từ pexels.com, phù hợp cho sử dụng trong AEbA.

Một cách tiếp cận như vậy có thể không phù hợp với mọi người, vì không phải ai cũng có một cảm nhận thẩm mỹ phát triển tốt, nhưng nó có thể phục vụ tốt như một sơ đồ xác thực chính cho các yêu cầu bảo mật thấp-trung bình, hoặc như một lựa chọn trong số các phương pháp phụ trợ có thể trong xác thực hai yếu tố (2FA).

Tuy nhiên, ý tưởng mới của hệ thống này có thể hình thành một điểm khởi đầu cho các hệ thống thách thức thẩm mỹ phức tạp hơn, vì số lượng hình ảnh được trình bày cho người dùng trong quá trình xác thực có thể được tăng lên theo mặc định khi cần thiết, tương tự như cách các thách thức CAPTCHA có thể được kéo dài trong trường hợp kết quả ban đầu không chắc chắn.

Càng nhiều và kéo dài thách thức, bảo mật mà cách tiếp cận này có thể cung cấp càng cao.

Một thang đo tương đối của độ mạnh mật khẩu khi một số yếu tố của thách thức AEbA nhân lên: ‘D’ đại diện cho số lượng hình ảnh được hiển thị trong thách thức; Dhr đại diện cho số lượng hình ảnh mà người dùng được yêu cầu chọn; và ‘S’ là số lượng màn hình (tức là giai đoạn) trong quá trình lựa chọn thẩm mỹ tuyến tính.

Về các công ước chung cho xác thực con người, AEbA kết hợp các yếu tố của Điều gì bạn biết (SYK) và Điều gì bạn là (SYA)., và dựa trên ba tiền đề: những thứ chúng ta thích (được đại diện trong lĩnh vực thị giác) dễ dàng phân biệt cho chúng ta (theo lý thuyết chung của mnemonics); sở thích thẩm mỹ của chúng ta vẫn còn tương đối nhất quán; và có đủ sự khác biệt trong sở thích của các người dùng khác nhau để cung cấp một sự phân biệt không thể đoán trước trong sở thích.

Các tác giả đề xuất rằng kỹ thuật này có thể được thích nghi vào các khuôn khổ học máy có khả năng dự đoán đánh giá của từng người dùng.

Bài báo này có tiêu đề Bí mật đẹp: sử dụng hình ảnh thẩm mỹ để xác thực người dùng, và đến từ hai nhà nghiên cứu tại Khoa Kỹ thuật Phần mềm và Hệ thống Thông tin tại Đại học Ben-Gurion của Negev ở Beersheba.

Sức mạnh của Miền hình ảnh

AEbA không dựa trên ghi nhớ, mà thay vào đó đối xử với người dùng cuối như một hệ thống nhận dạng hình ảnh được đào tạo đã phát triển một dải màu sắc mạnh mẽ và rất cụ thể của phản ứng plaisir, và khóa vào những phản ứng plaisir mạnh mẽ này.

Trong bản chất, AEbA dựa trên tương đương của con người của các priors trừu tượng trong các hệ thống thị giác máy tính và tổng hợp hình ảnh, có thể truyền đạt phong cách và các tính năng cụ thể của miền mà không được thể hiện trong một hình ảnh duy nhất và không thể thay đổi. Đó là thông qua việc áp dụng các priors như vậy mà một Mạng đối kháng Generative (GAN) có thể được đào tạo để kết hợp một miền (ví dụ: ‘Van Gogh’) vào việc tạo ra các hình ảnh mới hoàn toàn.

Các nghiên cứu từ những năm 1970 đã thiết lập rằng con người có ‘dung lượng lưu trữ lớn’ cho hình ảnh nói chung, và cho hình ảnh đã xem trước, và khả năng của chúng ta để kết hợp hình ảnh vào bộ nhớ đã được demonstrated để đáng kể vượt qua khả năng của chúng ta về bộ nhớ ngôn ngữ.

Mặc dù cảm nhận chung cho rằng các chuyên gia miền, chẳng hạn như các bác sĩ X quang, sẽ nhạy cảm nhất với hình ảnh từ miền của họ, một nghiên cứu năm 2010 đã khẳng định rằng khả năng nhớ hình ảnh hàng ngày là lớn hơn nhiều so với hình ảnh cụ thể của miền, thậm chí đối với những người có chuyên môn thị giác.

Xác thực dựa trên Sở thích

Ý tưởng về việc tận dụng sở thích như một cơ chế xác thực đã nổi lên trong hai bài báo do Markus Jakobsson của Trung tâm Nghiên cứu Palo Alto dẫn đầu, từ năm 2008 trở đi. Loạt nghiên cứu này về Xác thực dựa trên Sở thích (PBA) đã đề xuất rằng âm nhạc, thức ăn, tác phẩm nghệ thuật và những thứ khác mà chúng ta thích được khắc sâu trong tâm trí và được thúc đẩy bởi các động lực nội bộ mạnh mẽ.

PBA ban đầu được đề xuất chỉ như một thiết bị để giúp việc đặt lại mật khẩu, sử dụng các câu hỏi như ‘Bạn có thích âm nhạc đồng quê?’, và tập trung vào sở thích dựa trên văn bản theo các nguyên tắc mnemonics truyền thống, chứ không phải đầu vào trực quan.

Một hợp tác tiếp theo từ Jakobsson vào năm 2012 đã thay thế văn bản bằng hình ảnh:

Một ảnh chụp màn hình từ giai đoạn hiệu chỉnh / đăng ký của dự án PBA Markus Jakobsson 2012. Nguồn

Tuy nhiên, các tác giả lưu ý, sơ đồ này không tính đến việc đánh giá thẩm mỹ của hình ảnh, mà thay vào đó sử dụng hình ảnh như đại diện cho từ hoặc khái niệm. Ngược lại, AEbA đang tìm cách phân biệt một ‘miền của niềm vui’ cụ thể của người dùng mà không liên quan trực tiếp đến các thứ hoặc hoạt động cụ thể.

Các tác giả của bài báo mới cũng quan sát thấy rằng có những giới hạn thực tế về số lượng mục có thể được trình bày cho người xem theo cách tiếp cận năm 2012, trong khi việc phát triển một mô hình trừu tượng hơn về sở thích của người dùng loại bỏ các giới hạn này và làm cho các cuộc tấn công và bắt chước bên ngoài (tức là dựa trên phishing, kiến thức cá nhân hoặc các phương pháp lừa đảo khác) trở nên khó khăn hơn.

Ý tưởng về mật khẩu đồ họa đáng chú ý là tiền thân của công việc này, với sự phổ biến của các sơ đồ xuất hiện vào cuối những năm 1990. Một nghiên cứu đương đại xem xét PassFaces, nơi người dùng phải ghi nhớ khuôn mặt (khác với khuôn mặt của chính họ) thay vì mật khẩu. Với cách tiếp cận này, một kẻ xâm nhập tiềm năng sẽ cần một kiến thức miền cực kỳ thân mật về sở thích khuôn mặt của người dùng. Ngoài ra, người dùng có thể được tin cậy để chọn cùng một khuôn mặt trong thời gian định hướng.

Từ cuối những năm 1990, sơ đồ PassFaces được thử nghiệm tại Đại học Goldsmiths của London yêu cầu người dùng chọn và ghi nhớ bốn khuôn mặt của những người khác. Lựa chọn ban đầu dựa trên sở thích của người dùng, và theo cách này, công việc này liên quan đến AEbA. Nguồn

Đáng gần gũi nhất với AEbA là Déjà vu, đã trình bày cho người xem các hình ảnh nghệ thuật ngẫu nhiên không nhất thiết được thiết kế để tham gia phản ứng vui vẻ, mà thay vào đó nhằm sử dụng hình ảnh xung đột và khó chịu để giúp người dùng ghi nhớ các hình ảnh cụ thể mà họ sẽ kết hợp vào một ‘tài khoản’ trong quá trình đăng ký ban đầu, và sau đó sẽ được yêu cầu nhận ra từ nhiều hình ảnh có thể tại thời điểm xác thực.

Lắp ráp một bộ sưu tập ‘hình ảnh được ưu tiên’ cho Déjà vu. Nguồn: https://netsec.ethz.ch/publications/papers/usenix.pdf

Khi các tác giả của bài báo mới quan sát, cách tiếp cận này bỏ qua các lợi ích được nêu trong văn học neuroaesthetic (tức là có rất ít động lực nội bộ để kết nối với bất kỳ hình ảnh nào có thể được cung cấp).

Thêm vào đó, một phương pháp như vậy dễ bị tấn công ‘vừa qua vai’, nơi một kẻ tấn công gần gũi (hoặc MiTM) có thể có cơ hội chứng kiến những hình ảnh nào được chọn. Ngược lại, một triển khai đầy đủ của AEbA sẽ không lặp lại hình ảnh đã được sử dụng trước đó trong các phiên đào tạo hoặc xác thực.

Ngoài ra, bài báo lưu ý*:

‘Một trong những vấn đề được xác định trong mật khẩu đồ họa là người dùng có xu hướng chọn các bản vẽ đơn giản, điều này làm giảm sự đa dạng của các mật khẩu và làm cho chúng dễ bị tấn công hơn. Một vấn đề khác (và có thể là lý do cho vấn đề trước đó) là sự can thiệp tiềm năng nếu các sơ đồ như vậy được sử dụng trong nhiều hệ thống, tức là bộ nhớ của người dùng về mật khẩu cho một hệ thống sẽ can thiệp vào bộ nhớ của họ về mật khẩu cho một hệ thống khác hệ thống. Những vấn đề này ít được quan tâm hơn khi triển khai AEbA, phụ thuộc vào sở thích bẩm sinh không phụ thuộc vào tài khoản cụ thể hoặc ghi nhớ hình ảnh.’

Các tác giả cũng nhấn mạnh một lợi thế bổ sung của AEbA: nhận thức ngữ cảnh. Ngay cả khi một kẻ tấn công ‘vừa qua vai’ hoặc RAT có thể xem một phiên xác thực, họ sẽ không biết mức độ mà ‘hình ảnh không được yêu thích’ (tức là hình ảnh được trình bày mà người dùng đánh giá thấp hoặc từ chối trong quá trình xác thực) cách xa ‘hình ảnh được yêu thích’ – một yếu tố sẽ khác nhau mỗi lần.

‘Do đó, việc biết ai đó thích một hình ảnh không nhất thiết giúp nếu chúng ta không biết hình ảnh đó được thích đến mức nào so với các hình ảnh khác trong tập hợp được hiển thị.’

Ngoài ra, không thể cho người dùng lưu mật khẩu của họ một cách không an toàn vì sự tiện lợi, chẳng hạn như trên một mảnh giấy, vì miền hình ảnh được ưu tiên của họ là cực kỳ trừu tượng và không thể giảm.

Thử nghiệm AEbA

Các nhà nghiên cứu đã triển khai hệ thống như một trò chơi, trong bối cảnh của một概念 chứng minh của dự án, tạo ra một cơ sở dữ liệu gồm 318 hình ảnh từ trang web cổ phiếu miễn phí pexels.com, và cũng bao gồm hình ảnh từ một kho lưu trữ cá nhân.

Các bức ảnh đã được phân loại vào tám danh mục (Vũ trụ, Thiên nhiên, Núi, Rừng, Hoa, Thành phố, Bờ biển, và Khác), và các thử nghiệm được chia thành Đăng ký (trong đó hình ảnh được đánh giá ban đầu bởi người dùng trong một phiên duy nhất trong 10 phút), một Trò chơi Xác thực, và cuối cùng là một Trò chơi Đối kháng (đoán sở thích hình ảnh của người khác).

Sau khi loại bỏ các tham gia không đóng góp, mẫu thuận tiện (tức là nhóm tham gia thử nghiệm) đã được giảm xuống còn 33 người tham gia đủ điều kiện, bao gồm 21 nữ và 12 nam.

Đăng ký

Trong giai đoạn Đăng ký, 3722 đánh giá đã được thu thập cho 274 hình ảnh, với điểm đánh giá trung bình là 6,07, điểm trung vị là 6, kết quả là giá trị thường xuyên nhất là 7 và 8. Hình ảnh không được yêu thích nhất có điểm số là 2,32, và hình ảnh được yêu thích nhất là 8,63.

Phân phối đánh giá hình ảnh trong số những người biểu diễn hàng đầu trong các thử nghiệm.

Các tác giả cho rằng sự nghiêng đáng kể về giá trị cao và thấp trong đánh giá hình ảnh, kết hợp với sự đa dạng của các gradient như vậy trên cơ sở người dùng, chứng minh cho luận điểm của họ rằng người dùng có thể áp dụng các điểm số thích đáng khác biệt cho hình ảnh được trình bày, mà không cần phải bao gồm các hình ảnh rõ ràng khó chịu hoặc ‘ngoài phân phối’. Dường như rằng những sở thích và ưa thích đa dạng nói chung trên cả một nhóm người dùng nhỏ là đủ để xác nhận khái niệm trung tâm.

Hình ảnh mẫu với các đánh giá người dùng khác nhau.

Xác thực

Đối với Trò chơi Xác thực, 264 phiên chơi đã được thực hiện, với mỗi người tham gia hoàn thành trò chơi hai lần trong tổng số tám phiên. Tỷ lệ thành công trung bình là 76%.

Biểu đồ hộp của phân phối điểm trò chơi trong số 33 thành viên của thử nghiệm, với điểm số trung bình được biểu thị bằng đường thẳng đen đậm, hiển thị trung vị, phân vị thứ nhất và thứ ba, với giá trị tối thiểu, tối đa và ngoại lệ.

Mặc dù có một ‘sự suy giảm nhẹ’ trong hiệu suất theo thời gian, điều này đã được giảm đáng kể trong số 50% người tham gia hàng đầu, gần như biến mất trong 11 người tham gia hàng đầu (một phần ba của nhóm người dùng cuối cùng).

Trò chơi Đối kháng

Thành phần Trò chơi Đối kháng có tính năng chơi không giới hạn (không giống như Đăng ký), và diễn ra mười ngày sau khi ra mắt Giai đoạn Trò chơi. 190 trò chơi đã được tính cho kết quả (loại trừ các trò chơi có vấn đề kỹ thuật). Số lượng lựa chọn Đối kháng chính xác trung bình là 2,88, tỷ lệ thành công là 36%, về mặt kỹ thuật tương đương với may mắn (đặc biệt là khi xem xét số lượng hình ảnh thấp trong tập dữ liệu). Tuy nhiên, trong bảy trò chơi, các đóng góp đã có thể đoán 75% hoặc nhiều hơn các hình ảnh chính xác.

Kết luận

Phương pháp thử nghiệm thông thường (chẳng hạn như sử dụng mẫu thuận tiện cho các ứng viên thử nghiệm) trong nghiên cứu cho thấy rằng cách tiếp cận này hiện tại đại diện cho một khái niệm chứng minh rộng rãi; một dấu hiệu mới cho thấy xác thực ‘bắt giữ miền’ dựa trên con người có thể cung cấp một phương pháp xác thực dễ dàng và thậm chí thú vị mà khó có thể chiếm đoạt hoặc can thiệp. Rõ ràng rằng nhiều thử nghiệm nghiêm ngặt hơn, với số lượng người tham gia lớn hơn và một kịch bản xác thực được dàn dựng đúng cách, sẽ được cần thiết để thiết lập giá trị của AEbA.

Các tác giả kết luận:

‘Nó cũng sẽ rất thú vị khi nghiên cứu khả năng sử dụng các kỹ thuật học máy để dự đoán đánh giá của từng người dùng và để tạo ra các khóa và mồi mà người dùng chưa từng đánh giá. Việc này có thể tăng không gian mật khẩu bằng cách tăng các hồ sơ hình ảnh của từng người dùng và sự đa dạng của chúng.’

*Tôi đã chuyển đổi các trích dẫn nội tuyến của tác giả thành liên kết.

Được xuất bản lần đầu vào ngày 13 tháng 4 năm 2022.