[논문 리뷰] DALock: Distribution Aware Password Throttling

Jeremiah Blocki, Wuwei Zhang|arXiv (Cornell University)|2020. 05. 18.

User Authentication and Security Systems참고 문헌 40인용 수 4

한 줄 요약

이 논문은 사용자 정상 로그인 시도 중 잠금 해제를 줄이고 온라인 암호 추측 공격에 대한 저항력을 높이는 분포 인지(password throttling) 메커니즘인 DALock을 제안한다. 단순히 연속 실패 수를 세는 것 대신, 추측된 암호의 누적 확률(일명 '히트 카운트' $Ψ_u$)을 추적함으로써 DALock는 보다 우수한 보안-사용성 트레이드오프를 달성한다. 공격자 성공률은 0.05%로 감소하고 정상 사용자 잠금 해제 비율은 0.08%로 낮아지며, 이는 기존의 10번 실패 정책과 3번 실패 정책 대비 각각 1%와 4%에 비해 유의미하게 향상된 것이다.

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).

연구 동기 및 목표

• 고정 임계값 기반의 잠금 메커니즘(예: K-스트라이크)이 계정 침해 위험을 안고 있거나 정상 사용자를 곤란하게 할 수 있는 장기적인 보안-사용성 트레이드오프 문제를 해결하기 위해.
• 일반적인 철자 실수 패턴을 범하는 정상 사용자들이 의도치 않게 잠금당하는 것을 줄이되, 자동화된 암호 추측 공격에 대한 강력한 방어를 유지하기 위해.
• 기존의 K-스트라이크와 달리 분포에 무관한 방식이 아닌, 암호의 인기도와 빈도 분포에 민감한 스로틀링 메커니즘을 설계하기 위해.
• 분포 인지 스로틀링이 보안 및 사용성 지표 모두에서 기존의 K-스트라이크보다 유의미하게 뛰어나다는 것을 경험적으로 검증하기 위해.
• 실제 환경 배포를 고려해, 차등 프라이버시 및 데이터 서브샘플링 하에서 메커니즘이 얼마나 견고한지 평가하기 위해.

제안 방법

• 기존의 '스트라이크 수' $K_u$ 외에, 사용자 $u$의 모든 잘못된 입력의 누적 확률 질량을 나타내는 새로운 '히트 카운트' $\Psi_u$ 를 도입한 이중 메트릭 시스템을 제안한다.
• 실제 데이터셋에서 추출한 경험적 암호 빈도 분포를 활용해 각 암호가 추측될 가능성 $\mathsf{P}(pw)$ 를 추정한다.
• 연속 실패 수 $K$ 가 아니라, $\Psi_u$ 가 임계값 $\Psi$ 를 초과할 경우 계정을 잠근다.
• 암호의 인기도에 따라 추측을 우선순위화함으로써 공격자 행동을 시뮬레이션하기 위해 FMPPF(First-Most-Popular-Passwords-First) 알고리즘을 적용한다.
• 대규모 시스템에서의 확장성과 프라이버시 보장을 위해, 차등 프라이버시와 데이터 서브샘플링을 적용한 Count Sketch를 활용한다.
• 이전 연구에서 확보한 경험적 철자 실수 분포를 기반으로, 기억 실수(2.4%) 및 철자 실수 패턴(예: 대문자 잠금, 전치, 교체 등)을 시뮬레이션하여 사용자 실수를 모의한다.

실험 결과

연구 질문

• RQ1 암호의 인기도를 고려한 스로틀링 메커니즘이, 온라인 공격에 대한 취약성을 증가시키지 않고도 정상 사용자의 의도치 않은 잠금 해제를 줄일 수 있는가?
• RQ2 분포 인지 스로틀링의 성능이 기존의 K-스트라이크 대비 공격자 성공률과 정상 사용자 잠금 해제 비율 측면에서 어떻게 비교되는가?
• RQ3 차등 프라이버시와 데이터 서브샘플링이 제안된 메커니즘의 보안성과 사용성에 얼마나 영향을 미치는가?
• RQ4 FMPPF 알고리즘이 $\Psi$-임계값 정책 하에서 공격자 성공률의 이론적 상한선을 얼마나 잘 근사하는가?
• RQ5 히트 카운트 $\Psi_u$ 는 공격자 행동(인기 있는 암호 추측)과 정상 사용자 실수(희귀하고 철자 실수에 취약한 변형)를 효과적으로 구분할 수 있는가?

주요 결과

• 10번 실패 정책 하에서는 공격자 성공률이 1%이지만, DALock를 사용하고 $\Psi = 2^{-10}$ 으로 설정할 경우 이는 단 0.05%로 감소한다.
• 동일한 상황에서 정상 사용자 잠금 해제 비율은 3번 실패 정책 하의 4%에서 DALock를 통해 0.08%로 크게 감소하여 사용성 향상이 뚜렷하다.
• FMPPF 알고리즘은 이론적 최적 성능에 매우 가까이 도달하여, $\Psi + \mathsf{P}(pw_1)$ 의 상한선에 거의 도달함으로써 공격 효율 손실이 최소화됨을 시사한다.
• 차등 프라이버시는 DALock의 성능에 미미한 영향을 미치며, 특히 대규모 데이터셋에서는 보안성과 사용성 모두를 유지한다.
• 데이터셋을 원본 크기의 1%로 서브샘플링하더라도 DALock는 여전히 뛰어난 성능을 유지함으로써 확장성과 강건성을 입증한다.
• 이 메커니즘은 일반적인 철자 실수 패턴(예: 대문자 오류, 삽입 실수 등)을 범하는 사용자에 대해 잠금 해제를 효과적으로 줄여주며, 이러한 암호들은 일반적으로 가장 인기 있는 암호 목록에 포함되지 않기 때문이다.