[논문 리뷰] Password Based a Generalize Robust Security System Design Using Neural Network

Manoj Kumar Singh|ArXiv.org|2009. 10. 09.

User Authentication and Security Systems참고 문헌 29인용 수 6

한 줄 요약

이 논문은 사용자 행동 패턴을 활용하여 침입 탐지를 위한 신경망 기반 비밀번호 인증 시스템을 제안한다. 이 시스템은 로그인 동역학을 분석함으로써 기존 암호화 방법에 대한 의존도를 줄이고, 공격에 대한 저항력을 높이며, 사용자 복잡도를 증가시키지 않으면서도 실시간 이상 탐지 기능을 제공한다.

ABSTRACT

Among the various means of available resource protection including biometrics, password based system is most simple, user friendly, cost effective and commonly used. But this method having high sensitivity with attacks. Most of the advanced methods for authentication based on password encrypt the contents of password before storing or transmitting in physical domain. But all conventional cryptographic based encryption methods are having its own limitations, generally either in terms of complexity or in terms of efficiency. Multi-application usability of password today forcing users to have a proper memory aids. Which itself degrades the level of security. In this paper a method to exploit the artificial neural network to develop the more secure means of authentication, which is more efficient in providing the authentication, at the same time simple in design, has given. Apart from protection, a step toward perfect security has taken by adding the feature of intruder detection along with the protection system. This is possible by analysis of several logical parameters associated with the user activities. A new method of designing the security system centrally based on neural network with intrusion detection capability to handles the challenges available with present solutions, for any kind of resource has presented.

연구 동기 및 목표

• 복잡한 비밀번호 관리로 인해 취약하고 사용성 문제가 발생하는 전통적인 비밀번호 기반 시스템의 한계를 해결하기 위해.
• 행동 분석을 통해 브루트 포스 및 재생 공격의 위험을 줄이는 보안성 높고 사용자 친화적인 인증 메커니즘을 개발하기 위해.
• 신경망을 활용해 사용자 행동을 모니터링하고 이상 징후를 탐지함으로써 인증 과정에 실시간 침입 탐지 기능을 통합하기 위해.
• 사용자 로그인 패턴의 적응형 신경망 모델링을 통해 기존 암호화 방식을 대체함으로써 시스템의 효율성과 보안성을 향상시키기 위해.
• 사용자 인지 부담을 증가시키지 않으면서도 강력한 보호 기능을 유지할 수 있는 일반화된 다중 애플리케이션 보안 프레임워크를 구축하기 위해.

제안 방법

• 시스템은 사용자의 타이핑 속도, 순서 및 패턴과 같은 타이밍 데이터를 기반으로 정상적인 사용자 로그인 행동을 모델링하기 위해 인공 신경망(ANN)을 활용한다.
• 신경망 훈련은 이전 로그인 데이터를 사용하여 각 사용자에 대한 행동 프로파일을 수립함으로써 이질성 탐지를 가능하게 한다.
• 시스템은 실시간 로그인 시도를 모니터링하고, 학습된 행동 모델과 비교하여 이질성을 식별한다.
• 이상 징후가 정의된 임계값을 초과할 경우 침입 탐지가 활성화되며, 이는 잠재적인 비인가 접근을 시사한다.
• 아키텍처는 다양한 응용 분야에 대응할 수 있도록 확장 가능하고 유연하게 설계되어 있으며, 다중 사용자 환경을 지원한다.
• 신경 패턴 인식에서 유도된 행동 생체 인식 기반으로 기존의 전통적 암호 해시 방법을 회피한다.

실험 결과

연구 질문

• RQ1 신경망을 어떻게 활용하여 기존 비밀번호 시스템보다 더 안전하게 사용자 행동을 모델링하고 인증할 수 있는가?
• RQ2 인증 과정 중 침입을 탐지하는 데 효과적으로 활용할 수 있는 행동 매개변수는 무엇인가?
• RQ3 신경망 기반 시스템은 복잡한 비밀번호 관리가 필요 없이도 높은 보안성을 유지할 수 있는가?
• RQ4 효율성과 공격 저항성 측면에서 기존 암호 기반 시스템과 비교해 시스템 성능는 어떻게 되는가?
• RQ5 행동 패턴 분석은 비인가 접근 시도 탐지에 얼마나 기여하는가?

주요 결과

• 타이핑 속도 및 타이밍과 같은 행동 지표를 분석함으로써 제안된 시스템은 이질적인 로그인 패턴을 높은 정확도로 탐지한다.
• 신경망 모델은 개인 사용자 행동에 적응하여 침입 탐지에서 잘못된 경고를 줄인다.
• 정적 비밀번호 저장 또는 전송에 의존하지 않음으로써 기존 비밀번호 체계보다 향상된 보안성을 달성한다.
• 계산 비용이 큰 암호 연산을 피함으로써 효율성이 향상됨을 입증한다.
• 인증 과정에 침입 탐지 기능을 통합함으로써 추가 사용자 노력 없이 실시간 위협 대응이 가능하다.
• 확장성이 있으며 다중 애플리케이션 환경에 적합하여 일반화된 배포에 적합하다.