[论文解读] 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 6

一句话总结

本文提出了一种基于神经网络的密码认证系统，通过利用用户行为模式实现入侵检测，从而提升安全性和效率。该系统采用人工神经网络分析登录动态，减少对传统加密方法的依赖，同时提高对攻击的抵抗能力，并在不增加用户复杂度的情况下实现实时异常检测。

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.

研究动机与目标

• 解决传统基于密码的系统存在的局限性，这些系统易受攻击，且由于复杂的密码管理而存在可用性问题。
• 开发一种安全、用户友好的认证机制，通过行为分析降低蛮力攻击和重放攻击的风险。
• 利用神经网络将实时入侵检测集成到认证过程中，监控并标记可疑用户行为。
• 通过用自适应神经模型替代传统加密方法来建模用户登录模式，从而提高系统效率和安全性。
• 创建一种通用的、适用于多应用的安全部署框架，在不增加用户认知负担的前提下维持强保护能力。

提出的方法

• 该系统采用人工神经网络（ANN）基于击键的时间、顺序和模式来建模并学习正常的用户登录行为。
• 通过历史登录数据对神经网络进行训练，为每位用户建立行为档案，从而实现对偏差的检测。
• 系统实时监控登录尝试，并将其与学习到的行为模型进行比较，以识别异常情况。
• 当偏差超过预设阈值时触发入侵检测，表明可能存在未经授权的访问。
• 该架构设计为可扩展且可适应多种应用场景，支持多用户环境。
• 该方法避免使用传统加密哈希，转而依赖神经模式识别生成的行为生物特征。

实验结果

研究问题

• RQ1 如何利用神经网络更安全地建模和认证用户行为，以超越传统密码系统？
• RQ2 在认证过程中，哪些行为参数可有效用于入侵检测？
• RQ3 基于神经网络的系统能否在保持高安全性的同时减少对复杂密码管理的依赖？
• RQ4 在效率和抗攻击能力方面，该系统与传统密码学方案相比表现如何？
• RQ5 行为模式分析在多大程度上能提升对未经授权访问尝试的检测能力？

主要发现

• 该系统通过分析打字速度和时间等行为指标，能够以高精度检测异常登录模式。
• 神经网络模型可适应个体用户行为，从而降低入侵检测中的误报率。
• 通过消除对静态密码存储或传输的依赖，该系统在安全性方面优于传统密码方案。
• 通过避免计算密集型的密码操作，该方法显著提升了效率。
• 将入侵检测集成到认证过程中，实现了无需额外用户操作的实时威胁响应。
• 该框架具备可扩展性，适用于多应用环境，支持通用化部署。