[논문 리뷰] Towards Seamless Authentication for Zoom-Based Online Teaching and Meeting

Manoranjan Mohanty, Waheeb Yaqub|arXiv (Cornell University)|2020. 05. 21.

Face recognition and analysis인용 수 6

한 줄 요약

이 논문은 비밀번호나 생체정보를 요구하지 않고 카메라 센서 고유의 노이즈 패턴을 활용해 줌 기반 온라인 수업 및 회의에서 원활한 PRNU 기반 카메라 인증 방법을 제안한다. 10대의 기기로 구성된 소규모 실험에서 짧은 영상 클립을 사용해 참가자를 인증한 결과 참가자 인식률이 100%에 도달하여, 비디오 회의 환경에서 자동화되고 부담이 적은 접근 제어의 실현 가능성을 입증한다.

ABSTRACT

The lockdowns and travel restrictions in current coronavirus pandemic situation has replaced face-to-face teaching and meeting with online teaching and meeting. Recently, the video conferencing tool Zoom has become extremely popular for its simple-to-use feature and low network bandwith requirement. However, Zoom has serious security and privacy issues. Due to weak authentication mechanisms, unauthorized persons are invading Zoom sessions and creating disturbances (known as Zoom bombing). In this paper, we propose a preliminary work towards a seamless authentication mechanism for Zoom-based teaching and meeting. Our method is based on PRNU (Photo Response Non Uniformity)-based camera authentication, which can authenticate the camera of a device used in a Zoom meeting without requiring any assistance from the participants (e.g., needing the participant to provide biometric). Results from a small-scale experiment validates the proposed method.

연구 동기 및 목표

• 비밀번호가 없거나 약한 인증 방식으로 인해 발생하는 줌 회의의 심각한 보안 취약점(예: 줌 버블링, 도청)을 해결하기 위해.
• 사용자 입력(비밀번호 입력 또는 생체정보 제공 등)이 필요 없는 원활하고 자동화된 인증 메커니즘을 개발하기 위해.
• 실시간 비디오 회의 환경에서 소스 카메라 식별을 위해 PRNU(사진 반응 비균일성)를 사용할 수 있는지의 실현 가능성을 평가하기 위해.
• 기존의 비밀번호 기반 시스템과의 통합을 통해 보안성과 사용성 향상을 위한 보조 인증 수단으로 PRNU 기반 인증을 통합하기 위해.

제안 방법

• 각 카메라 센서에 내재된 고유한 노이즈 패턴을 이용해 PRNU 기반의 소스 카메라 식별을 수행함으로써 사용자 입력 없이 기기 수준의 인증을 가능하게 한다.
• 등록 단계에서 60초 영상의 60개 I-프레임에서 카메라 지문을 계산하여 기기의 PRNU 서명을 캡처한다.
• 실시간 인증을 위해 회의 요청 시 4초 영상의 100프레임(I, P, B 프레임 포함)에서 쿼리 지문을 추출하여 지연 시간을 최소화한다.
• 60의 임계값을 사용한 픽셀 단위 상관추정(PCE)을 통해 PRNU 매칭을 수행하여 등록된 기기와 일치하는지 여부를 판단한다.
• PRNU 검사를 첫 번째 계층의 인증으로 구현하며, 실패 시 사용자에게 비밀번호 입력 요청을 통해 보조 인증을 제공한다.
• MATLAB을 사용해 Windows 환경(32GB RAM, 3.2GHz CPU)에서 10대의 다양한 기기(노트북, 스마트폰, 태블릿)에서 얻은 HD 영상 자료를 활용해 방법을 구현하였다.

실험 결과

연구 질문

• RQ1 비밀번호나 생체정보 입력 없이 짧은 영상 클립을 활용해 PRNU 기반 카메라 지문을 통해 사용자의 기기 인증을 신뢰성 있게 수행할 수 있는가?
• RQ2 온라인 수업 환경에서 소비자용 카메라에서 촬영한 짧은 영상 클립을 대상으로 PRNU 매칭의 참참자율 및 참거짓자율 측면에서 성능은 어떠한가?
• RQ3 실시간 회의 환경에서 영상 길이와 기기 유형에 따라 PRNU 지문 생성 및 매칭의 계산 비용은 어떻게 증가하는가?
• RQ4 기존 줌 워크플로우에 영향을 주지 않거나 상당한 지연을 유발하지 않도록 제안된 방법을 효과적으로 통합할 수 있는가?
• RQ5 실제 구현 환경에서 고려해야 할 잠재적 공격 벡터(예: 영상 재생 공격 등)는 무엇이며, 이를 어떻게 완화할 수 있는가?

주요 결과

• PRNU 기반 방법은 소규모 실험에서 모든 10대의 테스트 기기에서 100%의 참참자율을 기록하여 짧은 영상 클립을 사용해 성공적으로 참가자 인증을 수행하였다.
• 기기 간 평균 검증 시간(매칭 비용)은 델 엑스피에스 랩탑의 1.71초에서 아이폰 8 플러스의 5.00초 사이로 변동되었으며, 삼성 노트 10의 경우 최대 5919.3밀리초였다.
• 등록 단계에서 카메라 지문을 생성하는 데 소요되는 비용은 한 번만 발생하는 오프라인 비용으로, 델 인스피어의 경우 0.92초에서 아이폰 8 플러스의 경우 5.00초까지 다양했다.
• 데스크톱, 랩탑, 스마트폰, 태블릿 등 다양한 기기에서 표준 줌 HD 화질(1280×720)을 사용해 본 방법이 실현 가능함을 입증하였다.
• PRNU 매칭의 계산 비용은 주로 노이즈 제거 작업에 의해 결정되며, 이는 쿼리 영상에 사용된 프레임 수에 따라 비례한다.
• 쿼리에 사용되는 프레임 수를 줄임으로써 지연 시간을 최적화할 수 있음을 시사하지만, 이는 정확도에 영향을 줄 수 있다.