[論文レビュー] A Probabilistic Approach for Authenticating Text or Graphical Passwords Using Back Propagation

A. S. N. Chakravarthy, P. S. Avadhani|arXiv (Cornell University)|Oct 7, 2011

User Authentication and Security Systems参考文献 9被引用数 6

ひとこと要約

本稿では、バックプロパゲーションを用いたニューラルネットワークベースの確率的認証システムを提案し、テキストおよびグラフィカルパスワードの両方のセキュリティを強化する。ユーザー入力を正規化し、順伝播ニューラルネットワークを介して確率的値に変換することで、推測およびリプレイ攻撃に対する耐性が向上し、テスト結果では従来手法に比べて認証精度と頑健性が向上したことが示された。

ABSTRACT

Password authentication is a common approach to the system security and it is also a very important procedure to gain access to user resources. In the conventional password authentication methods a server has to authenticate the legitimate user. In our proposed method users can freely choose their passwords from a defined character set or they can use a graphical image as password and that input will be normalized. Neural networks have been used recently for password authentication in order to overcome pitfall of traditional password authentication methods. In this paper we proposed a method for password authentication using alphanumeric password and graphical password. We used Back Propagation algorithm for both alphanumeric (Text) and graphical password by which the level of security can be enhanced. This paper along with test results show that converting user password in to Probabilistic values enhances the security of the system

研究の動機と目的

• ブルートフォース攻撃やソーシャルエンジニアリング攻撃に対する脆弱性を是正すること。
• テキストベースおよびグラフィカルパスワードを統合的に扱える単一の認証メカニズムとしてのフレームワークを構築すること。
• ニューラルネットワークを用いてユーザーのパスワードを確率的表現に変換することで、システムのセキュリティを向上させること。
• バックプロパゲーションの有効性が認証精度および攻撃に対する耐性強化に与える影響を評価すること。

提案手法

• アルファヌメリック文字列またはグラフィカル画像からなるユーザーのパスワードは、処理前に標準化された入力形式に正規化される。
• 順伝播ニューラルネットワークにバックプロパゲーションを適用し、正規化されたパスワード入力を、認証の可能性を表す確率的出力値にマッピングする。
• バックプロパゲーションアルゴリズムにより、予測された認証結果と実際の結果との誤差を最小化するように、ネットワークの重みを繰り返し調整する。
• システムは確率的信頼度スコアを用いて、ログイン試行が承認されるか否かを決定する。
• テキストおよびグラフィカルパスワードは、ニューラルネットワーク処理に適した数値特徴ベクトルに変換される。
• この手法は、パスワード入力行動における微細なパターンを検出できるニューラルネットワークの適応的学習能力を活用する。

実験結果

リサーチクエスチョン

• RQ1 ニューラルネットワークベースのシステムは、従来のテキストベースパスワード認証のセキュリティを向上させることができるか？
• RQ2 バックプロパゲーションは、テキストおよびグラフィカルパスワードの両方の学習と認証にどの程度効果的か？
• RQ3 パスワードを確率的値に変換することで、推測やリプレイ攻撃に対する耐性が向上するか？
• RQ4 正規化および特徴エンコーディングの認証精度に与える影響は何か？
• RQ5 単一のニューラルネットワークアーキテクチャは、グラフィカル入力を含む多様なパスワードタイプを効果的に処理できるか？

主な発見

• 提案手法は、ユーザー入力のばらつきに対しても、従来のパスワードシステムに比べて高い認証精度を達成した。
• パスワードの確率的表現により、ブルートフォース攻撃および推測攻撃の成功率が顕著に低下した。
• ニューラルネットワークモデルは、わずかな入力のばらつきに対しても、正当なユーザーと模倣者を効果的に区別する頑健性を示した。
• グラフィカルパスワードは、テキストパスワードと同一のニューラルネットワークフレームワークを用いて、正常にエンコードおよび認証された。
• バックプロパゲーションにより、学習中の誤差が効果的に最小化され、安定的かつ信頼性の高い認証意思決定が実現した。
• 動的確率的評価による入力評価のおかげで、リプレイ攻撃に対するシステムの耐性が向上した。