[論文レビュー] Towards Seamless Authentication for Zoom-Based Online Teaching and Meeting

Manoranjan Mohanty, Waheeb Yaqub|arXiv (Cornell University)|May 21, 2020

Face recognition and analysis被引用数 6

ひとこと要約

本論文は、パスワードやバイオメトリクスを必要とせず、カメラに内在するノイズパターンを活用することで、Zoomを用いたオンライン授業や会議におけるシームレスでPRNUベースのカメラ認証手法を提案する。10台のデバイスを用いた小規模な実験において、短い動画クリップを用いて参加者の認証を100%の真正陽性率で達成した。これは、動画会議における自動的で低負荷のアクセス制御の実現可能性を示している。

ABSTRACT

The lockdowns and travel restrictions in current coronavirus pandemic situation has replaced face-to-face teaching and meeting with online teaching and meeting. Recently, the video conferencing tool Zoom has become extremely popular for its simple-to-use feature and low network bandwith requirement. However, Zoom has serious security and privacy issues. Due to weak authentication mechanisms, unauthorized persons are invading Zoom sessions and creating disturbances (known as Zoom bombing). In this paper, we propose a preliminary work towards a seamless authentication mechanism for Zoom-based teaching and meeting. Our method is based on PRNU (Photo Response Non Uniformity)-based camera authentication, which can authenticate the camera of a device used in a Zoom meeting without requiring any assistance from the participants (e.g., needing the participant to provide biometric). Results from a small-scale experiment validates the proposed method.

研究の動機と目的

• パスワードが弱いか完全に存在しないことによるZoom会議における深刻なセキュリティ脆弱性（Zoomボーミング、盗聴など）を是正すること。
• ユーザーの操作（パスワード入力やバイオメトリクスの提供など）を必要としない、シームレスで自動的な認証メカニズムを開発すること。
• リアルタイムの動画会議環境において、PRNU（写真応答非一様性）を用いたソースカメラの特定が実現可能かどうかを評価すること。
• 既存のパスワードベースのシステムと統合し、セキュリティと使いやすさの両方を向上させるためのフォールバックとしてのPRNUベース認証を実装すること。

提案手法

• 各カメラセンサーに内在する固有のノイズパターン（PRNU）を用いて、ユーザーの入力なしにデバイスレベルでの認証を可能にする、PRNUベースのソースカメラ特定を採用する。
• 登録段階で60秒間の動画から60枚のIフレームを抽出し、デバイスのPRNUシグネチャをキャプチャするカメラフィンガープrintを計算する。
• リアルタイム認証では、会議要求時に4秒間の動画（Iフレーム、Pフレーム、Bフレームを含む）から100フレームを抽出し、クエリフィンガープリントを生成することで遅延を最小限に抑える。
• ピixeLごとの相関推定（PCE）を用いてPRNUマッチングを実行し、閾値60を基準に、カメラが登録済みデバイスと一致するかどうかを判断する。
• PRNUチェックを第一段階の認証として実装する。これが失敗した場合は、フォールバックとしてパスワード入力を求められる。
• MATLABを用いてWindows環境（32GB RAM、3.2GHz CPU）に実装し、10台の多様なデバイス（ラップトップ、モバイル端末、タブレット）から得たHD動画（1280×720）を用いた。

実験結果

リサーチクエスチョン

• RQ1 パスワードやバイオメトリクスの入力が不要な状態で、PRNUベースのカメラフィンガープリントがZoom会議においてユーザーのデバイスを信頼性高く認証できるか？
• RQ2 オンライン授業で使用される多様な消費者向けカメラから得た短い動画クリップを用いた場合、PRNUマッチングの真正陽性率および偽陽性率はどの程度の性能を示すか？
• RQ3 リアルタイム会議環境において、PRNUフィンガープリントの計算およびマッチングの計算コストは、動画長およびデバイス種別にどのようにスケーリングされるか？
• RQ4 本手法は、ユーザー体験を損なわず、顕著な遅延を追加せずに、既存のZoomワークフローに効果的に統合可能か？
• RQ5 実装に際して想定される攻撃ベクトル（例：動画リプレイ攻撃）は何か、またそれらを実用的な展開でどのように緩和できるか？

主な発見

• PRNUベースの手法は、小規模な実験において10台のテストデバイスをすべて100%の真正陽性率で正しく認証した。
• デバイスごとの平均検証時間（マッチングコスト）は、Dell XPSラップトップで1.71秒からiPhone 8 Plusで5.00秒まで変動し、Samsung Note 10では最大5919.3ミリ秒に達した。
• 登録フェーズ（カメラフィンガープリントの計算）は一回限りのオフラインコストであり、Dell Inspironで0.92秒からiPhone 8 Plusで5.00秒まで変動した。
• デスクトップ、ラップトップ、スマートフォン、タブレットを含む多様なデバイスで、標準的なZoomのHD画質（1280×720）を用いても本手法が実現可能であることが示された。
• PRNUマッチングの計算コストは主にノイズ除去処理に起因しており、クエリ動画に使用するフレーム数に比例して増加する。
• 短い動画クリップに必要なフレーム数を減らすことで、遅延を低減する最適化が可能であるが、その場合、精度に影響を与える可能性がある。