[論文レビュー] BeCAPTCHA: Bot Detection in Smartphone Interaction using Touchscreen Biometrics and Mobile Sensors.

Alejandro Acien, Aythami Morales+3 more|arXiv (Cornell University)|May 27, 2020

User Authentication and Security Systems参考文献 30被引用数 10

ひとこと要約

本稿では、ドラッグアンドドロップタスク中の人間の行動パターンをモデル化することで、タッチスクリーンの操作ダイナミクスと加速度計データを活用してボットを検出する、BeCAPTCHAと呼ばれる新しいCAPTCHAメカニズムを提案する。新たに作成された600人のユーザーと14のセンサーを対象としたHuMIdbデータセットを用いた評価により、モバイルセンサー・データがボット検出の精度を顕著に向上させることを示している。特に、GANで生成された偽の攻撃サンプルと組み合わせた場合に顕著な効果が得られる。

ABSTRACT

In this paper we study the suitability of a new generation of CAPTCHA methods based on smartphone interactions. The heterogeneous flow of data generated during the interaction with the smartphones can be used to model human behaviour when interacting with the technology and improve bot detection algorithms. For this, we propose a CAPTCHA method based on the analysis of the information obtained during a single drag and drop task in combination with the accelerometer data. We evaluate the method by generating fake samples synthesized with Generative Adversarial Neural Networks and handcrafted methods. Our results suggest the potential of mobile sensors to characterize the human behaviour and develop a new generation of CAPTCHAs. The experiments are evaluated with HuMIdb (Human Mobile Interaction database), a novel multimodal mobile database collected for this work that comprises 14 mobile sensors acquired from 600 users. HuMIdb is freely available to the research community.

研究の動機と目的

• スマートフォンのセンサー・データを活用して人間とボットの相互作用を区別できる、次世代のCAPTCHAシステムを開発すること。
• 従来のCAPTCHAの限界を克服するため、モバイル相互作用からの行動バイオメトリクスを活用すること。
• センサーに基づく行動モデリングの有効性を、合成および手作業によるボット攻撃の両面から評価すること。
• 将来のヒューマン行動モデリングおよびボット検出分野の研究を支援するため、包括的なマルチモーダルなモバイル相互作用データベース（HuMIdb）を構築・公開すること。

提案手法

• 本手法は、スマートフォン上で単一のドラッグアンドドロップタスク中に発生するタッチスクリーン操作のパターン（圧力、速度、軌道など）を分析する。
• 操作中のデバイスの動きやユーザーの動きを捉えるために加速度計データを統合し、行動ファイナンスの強化を図る。
• 14種類のモバイルセンサーから抽出した特徴量を用いて、機械学習モデルを訓練し、相互作用を人間かボットかに分類する。
• 生成的対抗ネットワーク（GAN）を用いて、現実的な攻撃行動を模倣する合成ボットサンプルを生成する。
• GANで生成された攻撃と手作業によるボット相互作用の両方を含む多様な攻撃ベクトルを用いて、システムを評価する。
• 600人のユーザーから収集されたHuMIdbデータセットは、検出モデルの学習およびテストに向けた豊富なマルチモーダルなベンチマークを提供する。

実験結果

リサーチクエスチョン

• RQ1 タッチスクリーン操作ダイナミクスと加速度計データは、モバイルアプリケーションにおける人間ユーザーと自動化ボットを効果的に区別できるか？
• RQ2 センサーに基づく行動モデルは、GANで生成された攻撃および手作業によるボット攻撃の両方に対して、どの程度の性能を示すか？
• RQ3 マルチモーダルセンサー・データは、従来のテキストベースのアプローチと比較して、CAPTCHAメカニズムの耐性および正確性をどの程度向上できるか？
• RQ4 提案された検出モデルは、多様なユーザー集団および相互作用パターンに一般化可能か？

主な発見

• タッチスクリーンと加速度計データの統合は、単体で使用する場合と比較して、ボット検出性能を顕著に向上させる。
• 本手法は、GANで生成された偽の攻撃サンプルに対しても高い検出精度を達成しており、洗練された合成攻撃に対して高い耐性を示している。
• 600人のユーザーと14本の同期化されたセンサー・ストリームを含むHuMIdbデータセットは、将来的なモバイル相互作用分析分野における貴重なベンチマークを提供する。
• 結果から、モバイル相互作用からの行動バイオメトリクスが、次世代のCAPTCHAシステムの基盤として実用的かつ効果的であることが示された。
• 本研究は、モバイルセンサー・データがボットが模倣しにくい微細な人間の行動パターンを捉えられることを確認した。