[論文レビュー] BeCAPTCHA: Detecting Human Behavior in Smartphone Interaction using Multiple Inbuilt Sensors

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

User Authentication and Security Systems参考文献 31被引用数 9

ひとこと要約

本論文では、600名のユーザーから収集された14種類の内蔵センサーを活用したマルチモーダルスマートフォンセンサー・データを用いて、ドラッグアンドドロップ操作中の人間の行動を検出する、新しいCAPTCHAメカニズムであるBeCAPTCHAを紹介する。センサー統合と合成および手作業で作成された攻撃サンプルの評価を通じて、微細な行動パターンを分析することにより、人間とボットを高精度に区別する手法が実現され、次世代の行動バイオメトリクスおよびボット検出におけるモバイルセンサー・データの可能性が示された。

ABSTRACT

We introduce a novel multimodal mobile database called HuMIdb (Human Mobile Interaction database) that comprises 14 mobile sensors acquired from 600 users. The heterogeneous flow of data generated during the interaction with the smartphones can be used to model human behavior when interacting with the technology. Based on this new dataset, we explore the capacity of smartphone sensors to improve bot detection. We propose a CAPTCHA method based on the analysis of the information obtained during a single drag and drop task. We evaluate the method generating fake samples synthesized with Generative Adversarial Neural Networks and handcrafted methods. Our results suggest the potential of mobile sensors to characterize the human behavior and develop a new generation of CAPTCHAs.

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、自動化されたボットと人間ユーザーを区別する新しいCAPTCHAシステムを開発すること。
• 600名のユーザーから収集した14種類の内蔵センサーのデータを含む包括的なマルチモーダルモバイルインタラクションデータベース（HuMIdb）を構築すること。
• 生成対抗ネットワーク（GAN）で生成された合成攻撃と手作業で作成されたボット攻撃の両方に対して、センサーに基づく行動検出の耐性を評価すること。
• 微細な人間のインタラクションパターンを基盤として、安全で使いやすい認証メカニズムを設計する可能性を検討すること。

提案手法

• 著者らは、標準化されたドラッグアンドドロップインタラクション・タスク中に600名の参加者から14種類のスマートフォンセンサー・データを収集した大規模なデータセット（HuMIdb）を構築した。
• 加速度計、ジャイロスコープ、タッチ、近接センサーなどのセンサー・ストリームから時間的および空間的特徴を抽出し、人間の行動パターンをモデル化した。
• 複数のセンサーからの特徴を統合するマルチモーダル分類フレームワークを設計し、人間とボットの行動の区別を強化した。
• 生成対抗ネットワーク（GAN）を用いて生成された合成攻撃サンプルと実際の人間のサンプルを用いて、敵対的ボット行動を模倣するシナリオを想定して評価を実施した。
• デバイスの機種やユーザーの人口統計的属性の違いを考慮した現実的な条件下でテストを行い、汎化性能と耐性を評価した。
• 行動シグネイチャに基づいてCAPTCHAに類似したチャレンジを実装し、ユーザーが一意なセンサー・パターンを捉えるドラッグアンドドロップタスクを完了する必要がある仕組みとした。

実験結果

リサーチクエスチョン

• RQ1 スマートフォンのセンサー・データは、モバイルインタラクション中の人間の行動パターンを効果的にモデル化および検出するために有効に利用できるか？
• RQ2 14種類の内蔵センサーからのセンサー統合は、単一センサー手法と比較して、ボット検出の精度をどのように向上させるか？
• RQ3 GANで生成された合成攻撃サンプルは、CAPTCHAに類似した環境において、人間の行動をどれほど現実的に模倣できるか？
• RQ4 本手法は、現実世界の条件下で手作業で作成された攻撃とGANで生成された攻撃の両方に対して、どの程度耐性を示すか？
• RQ5 標準的なスマートフォンのセンサーのみを用いて、安全で使いやすい行動ベースのCAPTCHAを設計することは可能か？

主な発見

• 提案されたBeCAPTCHAシステムは、マルチモーダルセンサー・データを用いて、人間ユーザーとボット生成のインタラクションを高精度に区別する能力を達成した。
• センサー統合により検出性能が顕著に向上し、微細な行動差を特定する点で単一センサーのベースラインを上回った。
• GANで生成された攻撃サンプルは、敵対的条件下でのモデルの耐性を検証する上で、現実的なボット行動を効果的に模倣できた。
• 異なるスマートフォン機種やユーザーの人口統計的属性に対しても、本システムは優れた汎化性能を示し、実用的導入の可能性を示した。
• 結果から、内蔵センサーで捉えた微細な人間のインタラクションパターンが、認証およびボット検出のための信頼性のあるバイオメトリクスとして機能することが確認された。