[논문 리뷰] BeCAPTCHA: Bot Detection in Smartphone Interaction using Touchscreen Biometrics and Mobile Sensors.

Alejandro Acien, Aythami Morales외 3명|arXiv (Cornell University)|2020. 05. 27.

User Authentication and Security Systems참고 문헌 30인용 수 10

한 줄 요약

이 논문은 드래그-앤드-드롭 작업 중 인간의 행동 패턴을 모델링함으로써 봇을 탐지하기 위해 터치스크린 상호작용 동역학과 가속도계 데이터를 활용하는 새로운 CAPTCHA 메커니즘인 BeCAPTCHA를 제안한다. 14개의 센서를 활용해 600명의 사용자로부터 수집한 새로운 HuMIdb 데이터셋을 대상으로 한 평가에서, 이 방법은 모바일 센서 데이터가 봇 탐지 정확도를 크게 향상시킴을 입증하였으며, 특히 GAN으로 생성한 악성 표본과 조합했을 때 그 효과가 두드러진다.

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.

연구 동기 및 목표

• 스마트폰 센서 데이터를 활용해 인간과 봇 상호작용을 구분할 수 있는 차세대 CAPTCHA 시스템을 개발하기.
• 기존 CAPTCHA의 한계를 보완하기 위해 모바일 상호작용에서 유도된 행동 생체정보를 활용하기.
• 센서 기반 행동 모델링의 효과성을 합성 및 수작업 봇 공격 모두에 대해 평가하기.
• 미래의 인간 행동 모델링 및 봇 탐지 연구를 위해 포괄적인 다중모달 모바일 상호작용 데이터베이스(HuMIdb)를 구축하고 공개하기.

제안 방법

• 이 방법은 스마트폰에서 단일 드래그-앤드-드롭 작업 동안의 터치스크린 상호작용 패턴(압력, 속도, 궤적 등)을 분석한다.
• 장치의 움직임과 사용자 움직임을 캡처하기 위해 가속도계 데이터를 통합함으로써 행동 지문화를 향상시킨다.
• 14개의 모바일 센서에서 추출한 특징을 사용해 기계학습 모델을 훈련하여 상호작용을 인간 또는 봇으로 분류한다.
• 합성 봇 샘플은 생성적 적대 신경망(GANs)을 사용해 생성되어 실제적인 악성 행동을 시뮬레이션한다.
• 모델은 GAN으로 생성된 공격과 수작업 봇 상호작용을 포함한 다양한 공격 벡터를 대상으로 평가된다.
• 600명의 사용자로부터 수집된 HuMIdb 데이터셋은 모델 훈련 및 테스트를 위한 풍부한 다중모달 기준을 제공한다.

실험 결과

연구 질문

• RQ1 터치스크린 상호작용 동역학과 가속도계 데이터는 모바일 애플리케이션에서 인간 사용자와 자동화된 봇을 효과적으로 구분하는 데에 충분한가?
• RQ2 센서 기반 행동 모델은 GAN으로 생성된 공격과 수작업 공격 모두에 대해 얼마나 잘 성능을 발휘하는가?
• RQ3 다중모달 센서 데이터는 기존 텍스트 기반 접근 방식에 비해 CAPTCHA 메커니즘의 강건성과 정확도를 어느 정도 향상시키는가?
• RQ4 제안된 탐지 모델은 다양한 사용자 집단과 상호작용 패턴에 대해 얼마나 일반화 가능한가?

주요 결과

• 터치스크린과 가속도계 데이터의 통합은 단일 모odal을 사용할 때보다 봇 탐지 성능을 크게 향상시킨다.
• 제안된 방법은 GAN으로 생성된 악성 표본에 대해서도 높은 탐지 정확도를 달성하여 고도화된 합성 공격에 대한 강건성을 입증한다.
• 600명의 사용자와 14개의 동기화된 센서 스트림을 포함하는 HuMIdb 데이터셋은 향후 모바일 상호작용 분석 연구에 소중한 기준 자료가 된다.
• 결과는 모바일 상호작용에서 유도된 행동 생체정보가 차세대 CAPTCHA 시스템을 위한 타당하고 효과적인 기반임을 시사한다.
• 본 연구는 모바일 센서 데이터가 봇이 재현하기 어려운 미세한 인간 행동 패턴을 포착할 수 있음을 확인한다.