[논문 리뷰] BeCAPTCHA: Detecting Human Behavior in Smartphone Interaction using Multiple Inbuilt Sensors

Alejandro Acien, Aythami Morales외 3명|arXiv (Cornell University)|2020. 02. 03.

User Authentication and Security Systems참고 문헌 31인용 수 9

한 줄 요약

이 논문은 600명의 사용자로부터 14개의 내장 센서에서 수집한 다중모달 스마트폰 센서 데이터를 활용하여 드래그-앤-드롭 상호작용 중 인간의 행동을 탐지하는 새로운 CAPTCHA 메커니즘인 BeCAPTCHA를 소개한다. 센서 융합 기법을 통해 미세한 행동 패턴을 분석하고, 합성 및 수작업으로 제작된 공격 샘플을 평가함으로써, 봇과 인간을 높은 정확도로 구분할 수 있었으며, 이는 향후 세대의 행동 생체인식 및 봇 탐지에 스마트폰 센서 데이터의 잠재력을 입증한다.

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.

연구 동기 및 목표

• 스마트폰 센서 데이터를 활용하여 자동화된 봇과 인간 사용자를 구분할 수 있는 새로운 CAPTCHA 시스템을 개발하는 것.
• 600명의 사용자로부터 14개의 내장 센서 데이터를 캡처한 종합적인 다중모달 모바일 상호작용 데이터베이스(HuMIdb)를 구축하는 것.
• 합성(GAN 생성) 및 수작업 봇 공격에 대한 센서 기반 행동 탐지의 강건성 평가.
• 세밀한 인간 상호작용 패턴을 기반으로 안전하고 사용자 친화적인 인증 메커니즘을 설계할 수 있는지 탐색하는 것.

제안 방법

• 저자는 표준화된 드래그-앤-드롭 상호작용 작업 중 600명의 참가자로부터 14종류의 스마트폰 센서 데이터를 수집한 대규모 데이터셋(HuMIdb)을 확보했다.
• 가속도계, 자이로스코프, 터치, 접근성 데이터 등의 센서 스트림에서 시간적 및 공간적 특징을 추출하여 인간 행동 패턴을 모델링했다.
• 다양한 센서의 특징을 융합하는 다중모달 분류 프레임워크를 설계하여 인간과 봇 행동 간의 구분 능력을 향상시켰다.
• 실제 인간 샘플과 생성적 적대적 네트워크(GAN)를 통해 생성된 합성 공격 샘플을 사용하여 시스템을 평가함으로써 적대적 봇 행동을 시뮬레이션했다.
• 기기 모델 및 사용자 인구통계적 특성의 다양성을 고려한 실제 조건에서 시험하여 일반화 능력과 강건성 평가를 수행했다.
• 행동 서명 기반으로 CAPTCHA 유사 과제를 구현하여 사용자가 고유한 센서 패턴을 포함하는 드래그-앤-드롭 작업을 완료하도록 했다.

실험 결과

연구 질문

• RQ1 스마트폰 센서 데이터는 모바일 상호작용 중 인간 행동 패턴을 효과적으로 모델링하고 탐지하는 데에 활용될 수 있는가?
• RQ2 14개의 내장 센서에서의 센서 융합은 단일 센서 기반 접근 방식에 비해 봇 탐지 정확도를 얼마나 향상시키는가?
• RQ3 GAN 생성 합성 공격 샘플은 CAPTCHA 유사 환경에서 인간 행동을 얼마나 현실적으로 모방할 수 있는가?
• RQ4 실제 환경 조건에서 수작업 및 GAN 생성 봇 공격에 대해 제안된 방법의 강건성은 어느 정도인가?
• RQ5 기존 스마트폰 센서만을 사용하여 안전하고 사용자 친화적인 행동 기반 CAPTCHA를 설계할 수 있는가?

주요 결과

• 제안된 BeCAPTCHA 시스템은 다중모달 센서 데이터를 활용하여 봇 생성 상호작용과 인간 사용자를 높은 정확도로 구분하는 데 성공했다.
• 센서 융합 기법은 미세한 행동 차이를 식별하는 데 있어 단일 센서 기반 기준보다 성능을 크게 향상시켰다.
• GAN 생성 공격 샘플은 현실적인 봇 행동을 효과적으로 시뮬레이션하여, 적대적 조건 하에서 모델의 강건성을 검증했다.
• 다양한 스마트폰 기기 모델과 사용자 인구통계적 특성에 걸쳐 높은 일반화 능력을 보이며 실용적인 구현 가능성을 입증했다.
• 내장 센서를 통해 캡처한 세밀한 인간 상호작용 패턴은 인증 및 봇 탐지에 신뢰할 수 있는 생체인식 기반 자료로 활용될 수 있음을 확인했다.