[論文レビュー] DALock: Distribution Aware Password Throttling

Jeremiah Blocki, Wuwei Zhang|arXiv (Cornell University)|May 18, 2020

User Authentication and Security Systems参考文献 40被引用数 4

ひとこと要約

本稿では、正当なログイン試行時におけるユーザーのロックアウトを削減すると同時に、オンラインパスワード推測攻撃に対する耐性を向上させる、分布に配慮したパスワードスロットリング機構であるDALockを提案する。連続した失敗数ではなく、推測されたパスワードの累積確率（『ヒットカウント』$Ψ_u$）を追跡することで、DALockは、より優れたセキュリティと利便性のトレードオフを達成する。標準的な10回失敗および3回失敗ポリシーと比較して、攻撃者の成功確率は0.05%まで低下し、正当なロックアウト率も0.08%まで低下する。

ABSTRACT

Large-scale online password guessing attacks are wide-spread and continuously qualified as one of the top cyber-security risks. The common method for mitigating the risk of online cracking is to lock out the user after a fixed number ($K$) of consecutive incorrect login attempts. Selecting the value of $K$ induces a classic security-usability trade-off. When $K$ is too large a hacker can (quickly) break into a significant fraction of user accounts, but when $K$ is too low we will start to annoy honest users by locking them out after a few mistakes. Motivated by the observation that honest user mistakes typically look quite different than the password guesses of an online attacker, we introduce DALock a {\em distribution aware} password lockout mechanism to reduce user annoyance while minimizing user risk. As the name suggests, DALock is designed to be aware of the frequency and popularity of the password used for login attacks while standard throttling mechanisms (e.g., $K$-strikes) are oblivious to the password distribution. In particular, DALock maintains an extra "hit count" in addition to "strike count" for each user which is based on (estimates of) the cumulative probability of {\em all} login attempts for that particular account. We empirically evaluate DALock with an extensive battery of simulations using real world password datasets. In comparison with the traditional $K$-strikes mechanism we find that DALock offers a superior security/usability trade-off. For example, in one of our simulations we are able to reduce the success rate of an attacker to $0.05\%$ (compared to $1\%$ for the $10$-strikes mechanism) whilst simultaneously reducing the unwanted lockout rate for accounts that are not under attack to just $0.08\%$ (compared to $4\%$ for the $3$-strikes mechanism).

研究の動機と目的

• 固定しきい値によるロックアウト機構（例：K回失敗）が、アカウントの侵害リスクを引き起こすか、正当なユーザーを不満にさせるという、長年のセキュリティと利便性のトレードオフを是正すること。
• 一般的なタイプミスパターンを繰り返す正当なユーザーが意図せずロックアウトされないよう、そのリスクを低減しながらも、自動化されたパスワード推測攻撃に対して強い防御を維持すること。
• 従来のK回失敗方式とは異なり、パスワードの人気度や頻度分布に敏感なスロットリング機構を設計すること。
• 分布に配慮したスロットリングが、セキュリティと利便性の両方の指標において、標準的なK回失敗方式を著しく上回ることを実証的に検証すること。
• 実世界での導入を想定し、微分プライバシーおよびデータサブサンプリングの下でのメカニズムの頑健性を評価すること。

提案手法

• 従来の『失敗回数カウント』$K_u$ に加え、ユーザー$u$のすべての誤った入力の累積確率質量を表す新しい『ヒットカウント』$\Psi_u$ を導入する二重指標システムを提案する。
• 実データセットからのパスワード頻度分布をもとに、各パスワードが推測される確率$\mathsf{P}(pw)$を推定する。
• 連続した失敗回数$K$に達したのではなく、$\Psi_u$がしきい値$\Psi$を超えた場合にアカウントをロックする。
• パスワードの人気度に基づいて推測を優先するFMPPF（First-Most-Popular-Passwords-First）アルゴリズムを用いて、攻撃者の行動をシミュレートする。
• 大規模システムへのスケーラブルでプライベートな展開を可能にするために、Count Sketchに微分プライバシーとデータサブサンプリングを適用する。
• 先行研究の結果に基づく実際のタイプミス分布を用いて、記憶エラー（2.4%）およびタイプミスパターン（例：キャップロック、入れ替え、置換）によるユーザーの誤りをシミュレートする。

実験結果

リサーチクエスチョン

• RQ1 パスワードの人気度を考慮したスロットリング機構は、オンライン攻撃への脆弱性を増加させることなく、正当なユーザーの誤ったロックアウトを削減できるか？
• RQ2 分布に配慮したスロットリングは、従来のK回失敗方式と比較して、攻撃者の成功確率と正当なロックアウト率の両面で、どの程度優れているか？
• RQ3 微分プライバシーおよびデータサブサンプリングは、提案されたメカニズムのセキュリティと利便性にどの程度の影響を与えるか？
• RQ4 FMPPFアルゴリズムは、$\Psi$しきい値ポリシー下での攻撃者成功の理論的上限に近いか？
• RQ5 ヒットカウント$\Psi_u$ は、攻撃者の行動（人気のあるパスワードを推測）と正当なユーザーの誤り（まれでタイプミスが起こりやすい変種を入力）を効果的に区別できるか？

主な発見

• 10回失敗ポリシー下では攻撃者の成功確率が1%であるが、DALockで$\Psi = 2^{-10}$を用いることで、0.05%まで低下する。
• 同様の状況下で、正当なロックアウト率は3回失敗ポリシーの4%から、DALockでは0.08%まで低下し、利便性が著しく向上する。
• FMPPFアルゴリズムは理論的最適性能に近く、$\Psi + \mathsf{P}(pw_1)$の上限に非常に近づく。これは、攻撃者の効率にほとんど損失がないことを示している。
• 微分プライバシーは、特に大規模データセットの場合、DALockの性能にほとんど影響を与えない。セキュリティと利便性の両方を維持する。
• データセットを1%にサブサンプリングしても、DALockは依然として強力な性能を維持する。これは、スケーラビリティと頑健性を示している。
• 特に大文字の誤りや挿入ミスなどの一般的なタイプミスパターンを行うユーザーのロックアウトが、効果的に削減されている。これは、こうしたパスワードが通常、最も人気のあるパスワードに含まれないためである。