[논문 리뷰] A Robust Client Verification in cloud enabled m-Commerce using Gaining Protocol

N. Chitra Kiran, Gaurav Kumar|arXiv (Cornell University)|2012. 01. 20.

Advanced Authentication Protocols Security참고 문헌 24인용 수 3

한 줄 요약

이 논문은 Android 기기에서 빈번한 사용자 행동 패턴을 분석하여 악성 클라이언트를 탐지하는 새로운 'Gaining 프로토콜'을 사용하여 클라우드 기반 모바일 상거래에 대한 강력한 클라이언트 검증 메커니즘을 제안한다. 실시간 데이터셋과 행동 분석을 활용함으로써 프로토콜은 위협을 높은 정확도로 식별하며, 수집된 활동 데이터의 최근 두 달 간의 자료를 사용할 경우 최적의 성능을 보였다.

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.

연구 동기 및 목표

• 클라우드 기반 모바일 상거래의 보안 취약점을 해결하여 클라이언트와 서비스 제공자 간 상호 신뢰를 확보하고자 한다.
• 휴대기기에서의 행동 패턴을 활용하여 악성 활동을 탐지할 수 있는 클라이언트 검증 메커니즘을 개발하고자 한다.
• 실시간 m-상거래 거래에서의 무단 또는 악성 클라이언트 탐지 정확도를 향상시키고자 한다.
• 실시간 Android 기기 데이터셋을 사용하여 제안된 프로토콜의 효과성을 검증하고자 한다.
• 장기간의 행동 데이터 세트를 기반으로 프로토콜이 위협을 어떻게 식별하는지의 정교함을 입증하고자 한다.

제안 방법

• Gaining 프로토콜는 Android 기기에서의 빈번한 사용자 이벤트 및 행동의 순서를 분석하여 행동 기반 기준을 수립한다.
• 실시간 데이터셋은 Android 기반 휴대기기에서 수집되어 검증 모델의 학습 및 테스트에 사용되었다.
• 프로토콜는 정상 행동에서의 이탈을 탐지하기 위해 패턴 인식을 활용한다. 이는 잠재적인 악성 의도를 시사한다.
• 행동 이질성은 이벤트 빈도 및 순서 패턴의 통계적 분석을 바탕으로 식별된다.
• 위협 탐지 성능 평가를 위해 두 달 간의 데이터셋이 사용되어 프로토콜의 강건성과 정확도를 평가하였다.
• 프레임워크는 m-상거래 환경에서 클라이언트와 서비스 제공자 간 상호 인증 및 신뢰 수립을 지원하도록 설계되었다.

실험 결과

연구 질문

• RQ1 동적 사용자 행동이 존재하는 클라우드 기반 m-상거래 환경에서 클라이언트 검증을 어떻게 강력하게 만들 수 있는가?
• RQ2 휴대기기에서의 행동 패턴을 얼마나 잘 활용하여 악성 클라이언트를 탐지할 수 있는가?
• RQ3 실시간 Android 데이터셋을 사용할 때 Gaining 프로토콜의 위협 식별 효과성은 어떠한가?
• RQ4 장기간의 데이터 수집 기간 동안 프로토콜은 정확도와 신뢰성을 어떻게 유지하는가?
• RQ5 제안된 방법은 모바일 상거래 환경에서 클라이언트와 서비스 제공자 간 상호 신뢰를 확보할 수 있는가?

주요 결과

• Gaining 프로토콜는 실시간 Android 사용자 활동 데이터셋을 두 달 간 수집한 결과를 기반으로 최적의 위협 탐지 성능을 보였다.
• 시스템은 빈번한 사용자 이벤트 및 행동의 이질성을 분석하여 악성 행동을 성공적으로 식별하였다.
• 행동 패턴을 기반으로 정상 클라이언트와 악성 클라이언트를 높은 정확도로 구분하는 데 성공하였다.
• Android 기기에서의 실시간 데이터 수집은 탐지 모델의 효과적 학습 및 검증을 가능하게 하였다.
• 특히 동적이고 클라우드 통합된 m-상거래 환경에서 프로토콜는 위협 식별에 있어 강건함을 입증하였다.
• 결과적으로 Gaining 프로토콜를 활용한 행동 분석은 모바일 상거래에서 클라이언트 검증을 강화하는 실현 가능한 방법임을 시사한다.