[論文レビュー] Password Based a Generalize Robust Security System Design Using Neural Network

Manoj Kumar Singh|ArXiv.org|Oct 9, 2009

User Authentication and Security Systems参考文献 29被引用数 6

ひとこと要約

本論文では、ユーザー行動パターンを活用して不正アクセス検出を実現するニューラルネットワークベースのパスワード認証システムを提案する。人工ニューラルネットワークを用いてログインのダイナミクスを分析することで、従来の暗号化手法への依存を軽減しつつ、攻撃に対する耐性を高め、ユーザーの負担を増さずにリアルタイムでの異常検出を可能にする。

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.

研究の動機と目的

• 従来のパスワードベースのシステムには、攻撃に対して脆弱であり、複雑なパスワード管理による使いにくさの問題があるため、それらの課題を解消すること。
• ブルートフォース攻撃やリプレイ攻撃のリスクを、行動分析によって低減する、安全で使いやすい認証メカニズムの開発。
• 神経ネットワークを用いて、ユーザーの行動を監視・異常行動を特定するリアルタイムの不正アクセス検出を認証プロセスに統合すること。
• 従来の暗号化手法に代わる、ユーザーのログインパターンを適応的に入力モデル化する神経ネットワークを活用することで、システムの効率性とセキュリティを向上させること。
• ユーザーの認知的負荷を増さずに強力な保護を維持できる、汎用的でマルチアプリケーション対応のセキュリティフレームワークの構築。

提案手法

• 本システムは、キーストロークのタイミング、順序、パターンに基づいて、正常なユーザーのログイン行動をモデル化・学習するための人工ニューラルネットワーク（ANN）を採用する。
• 神経ネットワークの学習には、過去のログインデータを用い、各ユーザーの行動プロファイルを確立する。
• システムはリアルタイムのログイン試行を監視し、学習済みの行動モデルと照合することで、逸脱を特定する。
• 逸脱が事前に定義されたしきい値を超えた場合、不正アクセスの兆候とみなされ、不正アクセス検出が発動する。
• 本アーキテクチャは、さまざまなアプリケーションに適応可能でスケーラブルであり、マルチユーザー環境をサポートする。
• 神経パターン認識から得られる行動バイオメトリクスに依存することで、従来の暗号化ハッシュ処理を回避する。

実験結果

リサーチクエスチョン

• RQ1 ニューラルネットワークを用いて、従来のパスワードシステムよりも安全にユーザー行動をモデル化・認証することは可能か？
• RQ2 認証プロセス中に不正アクセスを検出するために、効果的に利用可能な行動パrameterは何か？
• RQ3 ニューラルネットワークベースのシステムは、複雑なパスワード管理の必要性を低減しつつも、高いセキュリティを維持できるか？
• RQ4 効率性と攻撃耐性の観点から、本システムの性能は従来の暗号化パスワード方式と比べてどのように異なるか？
• RQ5 行動パターン分析は、不正アクセス試行の検出をどの程度向上させることができるか？

主な発見

• 本システムは、タイピング速度やタイミングなどの行動指標を分析することで、異常なログインパターンを高い正確性で検出できた。
• ニューラルネットワークモデルは個々のユーザー行動に適応し、不正アクセス検出における誤検出を低減した。
• 静的パスワードの保存や送信に依存しないため、従来のパスワード方式に比べてセキュリティが向上した。
• 計算コストの高い暗号化処理を回避することで、本手法は効率性が向上した。
• 認証プロセスに不正アクセス検出を統合したことで、追加のユーザー作業を伴わずリアルタイムの脅威対応が可能になった。
• 本フレームワークはスケーラブルであり、マルチアプリケーション環境に適しており、汎用的な展開が可能である。