[論文レビュー] A Robust Client Verification in cloud enabled m-Commerce using Gaining Protocol

N. Chitra Kiran, Gaurav Kumar|arXiv (Cornell University)|Jan 20, 2012

Advanced Authentication Protocols Security参考文献 24被引用数 3

ひとこと要約

本論文では、Androidデバイス上の頻繁なユーザー行動パターンを分析することで悪意あるクライアントを検出する、新規の「ゲインニングプロトコル」を用いた、クラウド対応モバイル決済における耐障害性の高いクライアント認証メカニズムを提案する。リアルタイムのデータセットと行動分析を活用することで、プロトコルは脅威を高精度に同定することができ、特に最後の2か月間の収集活動データを用いた場合に最適な結果が得られた。

ABSTRACT

The proposed system highlights a novel approach of exclusive verification process using gain protocol for ensuring security among both the parties (client-service provider) in m-commerce application with cloud enabled service. The proposed system is based on the potential to verify the clients with trusted hand held device depending on the set of frequent events and actions to be carried out. The framework of the proposed work is design after collecting a real time data sets from an android enabled hand set, which when subjected to gain protocol, will result in detection of malicious behavior of illegal clients in the network. The real time experiment is performed with applicable datasets gather, which show the best result for identifying threats from last 2 months data collected.

研究の動機と目的

• クライアントとサービスプロバイダ間の相互信頼を確保することで、クラウド対応モバイル決済におけるセキュリティ脆弱性に対処すること。
• ハンドヘルドデバイスからの行動パターンを活用して悪意ある活動を検出するクライアント認証メカニズムを開発すること。
• リアルタイムのmコマース取引における不正または悪意あるクライアントの検出精度を向上させること。
• リアルタイムのAndroidデバイスデータセットを用いて、提案されたプロトコルの有効性を検証すること。
• 長期間にわたる行動データセットを用いた場合の、プロトコルの耐障害性を示すこと。

提案手法

• Gaining Protocolは、Androidデバイス上の頻繁なユーザーイベントおよび行動のシーケンスを分析し、行動ベースラインを確立する。
• リアルタイムのデータセットが、Android搭載ハンドセットから収集され、認証モデルのトレーニングおよびテストに使用された。
• プロトコルはパターン認識を用いて、通常の行動からの逸脱を検出することで、潜在的な悪意ある意図を特定する。
• 行動の異常は、イベント頻度およびシーケンスパターンの統計的分析に基づいてフラグが立てる。
• 脅威検出性能の評価には、2か月間のデータセットが使用され、耐障害性および正確性の評価が行われた。
• フレームワークは、mコマース環境におけるクライアントとサービスプロバイダ間の相互認証および信頼関係確立を支援することを目的として設計された。

実験結果

リサーチクエスチョン

• RQ1 動的なユーザー行動を伴うクラウド対応mコマース環境において、クライアント認証をどのようにして耐障害性を高めることができるか？
• RQ2 モバイルデバイス上の行動パターンをどの程度活用して悪意あるクライアントを検出できるか？
• RQ3 Gaining ProtocolはリアルタイムのAndroidデータセットを用いて、脅威をどの程度効果的に同定できるか？
• RQ4 プロトコルは、長期間にわたるデータ収集期間においても、正確性と信頼性を維持できるか？
• RQ5 提案された手法は、モバイル決済におけるクライアントとサービスプロバイダ間の相互信頼を確保できるか？

主な発見

• Gaining Protocolは、リアルタイムのAndroidユーザー行動データの2か月分のデータセットを用いて評価した結果、最適な脅威検出性能を示した。
• システムは、頻繁なユーザーイベントおよび行動の逸脱を分析することで、悪意ある行動を効果的に同定した。
• 行動パターンに基づいて、正当なクライアントと悪意あるクライアントを高精度に区別することができた。
• Androidデバイスからのリアルタイムのデータ収集により、検出モデルのトレーニングおよび検証が効果的に行えた。
• 特に動的でクラウド統合型のmコマース環境において、脅威を同定するという点で、フレームワークの耐障害性が実証された。
• 結果から、Gaining Protocolを用いた行動分析は、モバイル決済におけるクライアント認証の強化に実用的であることが示された。