[论文解读] DALock: Distribution Aware Password Throttling

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

User Authentication and Security Systems参考文献 40被引用 4

一句话总结

本文提出 DALock，一种分布感知的密码限流机制，在减少合法登录尝试导致的用户账户锁定的同时，提升了对在线密码猜测攻击的防御能力。通过跟踪猜测密码的累积概率（通过 '命中次数' $Ψ_u$），而非仅统计连续失败次数，DALock 实现了更优的安全性与可用性权衡——将攻击者成功率降至 0.05%，合法用户锁定率降至 0.08%，相较标准的 10 次失败和 3 次失败策略分别降低至 1% 和 4%。

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).

研究动机与目标

• 为解决密码认证中长期存在的安全性与可用性权衡问题，即固定阈值锁定机制（如 K 次失败）要么增加账户被攻破的风险，要么使合法用户感到沮丧。
• 减少因常见拼写错误模式导致的诚实用户意外锁定，同时保持对自动化密码猜测的强大防御能力。
• 设计一种对密码流行度和频率分布敏感的限流机制，与传统 K 次失败机制（对分布不敏感）形成对比。
• 通过实证验证，分布感知限流在安全性和可用性指标上显著优于标准的 K 次失败机制。
• 评估该机制在差分隐私和数据子采样下的鲁棒性，以支持真实世界部署。

提出的方法

• 引入双指标系统：传统的 '失败次数' $K_u$ 用于统计连续失败，以及新的 '命中次数' $\Psi_u$，表示用户 $u$ 所有错误猜测的累积概率质量。
• 利用真实数据集中的经验密码频率分布，估算每个密码被猜测的概率 $\mathsf{P}(pw)$。
• 当 $\Psi_u$ 超过阈值 $\Psi$ 时锁定账户，而非在 $K$ 次连续失败后。
• 采用 FMPPF（首最流行密码优先）算法，通过基于密码流行度优先猜测来模拟攻击者行为。
• 应用带差分隐私和数据子采样的 Count Sketch，以实现在大规模系统上的可扩展、私密部署。
• 通过回忆错误（2.4%）和拼写错误模式（如大小写锁定、字符互换、替换等）模拟用户失误，使用先前研究中的经验拼写错误分布。

实验结果

研究问题

• RQ1 一种考虑密码流行度的限流机制，是否能在不增加在线攻击风险的前提下，减少诚实用户因误操作导致的误锁？
• RQ2 在攻击者成功率和合法用户锁定率方面，分布感知限流相较于传统 K 次失败机制的性能表现如何？
• RQ3 差分隐私和数据子采样在多大程度上影响所提机制的安全性和可用性？
• RQ4 FMPPF 算法能否在 $\Psi$-阈值策略下，接近理论上的攻击者成功率上限？
• RQ5 命中次数 $\Psi_u$ 是否能有效区分攻击者行为（猜测热门密码）与诚实用户错误（猜测罕见但易错的变体）？

主要发现

• 在 10 次失败策略下，攻击者成功率高达 1%，但使用 $\Psi = 2^{-10}$ 的 DALock 将其降至仅 0.05%。
• 在相同场景下，合法用户锁定率从 3 次失败策略下的 4% 降低至 DALock 的 0.08%，显著提升可用性。
• FMPPF 算法实现了接近理论最优的性能，紧密逼近 $\Psi + \mathsf{P}(pw_1)$ 的上限，表明攻击效率损失极小。
• 差分隐私对 DALock 性能影响极小，尤其在大数据集下，同时保持了安全性和可用性。
• 即使将数据集子采样至原始大小的 1%，DALock 仍能维持强劲性能，证明其具备良好的可扩展性和鲁棒性。
• 该机制能有效减少因常见拼写错误模式（如大小写错误、插入错误）导致的锁定，因为这些密码通常不在最热门之列。