[论文解读] ZKSENSE: a Privacy-Preserving Mechanism for Bot Detection in Mobile Devices

Panagiotis Papadopoulos, Iñigo Querejeta Azurmendi+4 more|arXiv (Cornell University)|Nov 18, 2019

User Authentication and Security Systems参考文献 35被引用 6

一句话总结

ZKSENSE 是一种基于零知识证明的系统，利用运动传感器数据在移动设备上实现持续、隐私保护的真人身份验证。它在仅 3 秒延迟和极低功耗的情况下，实现了 91% 的准确率来检测机器人，相较于传统 CAPTCHA 在效率和隐私方面表现更优。

ABSTRACT

Recent studies show that 20.4% of the internet traffic originates from automated agents. To identify and block such ill-intentioned traffic, mechanisms that verify the humanness of the user are widely deployed across the internet. CAPTCHA is the most popular among such mechanisms. Original CAPTCHAs require extra user effort (e.g., solving mathematical or image-based puzzles), which severely harms user's experience, especially on mobile, and provide only sporadic verification of their humanness. More recent solutions like Google's reCAPTCHA v3 leverage attestation data (e.g., user behavioral data, device fingerprints) shared with a remote server, thus raising significant privacy concerns. To address all of the above, we present ZKSENSE: the first zero knowledge proof-based humanness attestation system designed for mobile devices. Contrary to state-of-the-art systems, ZKSENSE assesses humanness continuously on the background in a privacy preserving way. ZKSENSE achieves that by classifying the motion sensor outputs of the mobile device based on a model trained by using both publicly available sensor data and data collected from a small group of volunteers. The classification result is enclosed in a zero knowledge proof of humanness that can be safely shared with an attestation service such as Privacy Pass. We implement ZKSENSE as an Android service to demonstrate its effectiveness and practicability. In our evaluation, we show that ZKSENSE verifies the humanness of the users asynchronously, on the background, without degrading their experience or jeopardizing user privacy, while it achieves 91% accuracy across a variety of attack scenarios. On a two years old Samsung S9, each attestation takes around 3 seconds in total (when visual CAPTCHAs need 9.8 seconds) and consumes a negligible amount of battery.

研究动机与目标

• 为解决传统 CAPTCHA 的局限性，其因高认知负荷和间歇性验证而降低用户体验。
• 克服现代认证系统（如 reCAPTCHA v3）所面临的隐私风险，这些系统依赖远程收集行为和设备指纹数据。
• 设计一种系统，可在后台持续验证用户的真实性，同时不损害用户隐私。
• 实现在移动设备上性能和电池开销极小的实用化部署。
• 证明可利用零知识证明从传感器数据安全认证人类行为特征的可行性。

提出的方法

• ZKSENSE 使用公开可获取的传感器数据以及一小部分志愿者提供的数据，训练运动分类模型，以区分人类与机器人行为的运动模式。
• 系统在后台持续分析移动设备的运动传感器输出，以评估用户的真实性。
• 生成零知识证明以密码学方式认证分类结果，确保不泄露原始传感器数据。
• 零知识证明可由远程认证服务（如 Privacy Pass）验证，而无需暴露底层行为模式。
• 系统实现为 Android 服务，以确保实际可用性，并与现有隐私保护框架兼容。
• 证明生成过程经过优化，可在移动硬件上高效运行，实现低延迟和极低能耗。

实验结果

研究问题

• RQ1 是否可以在不降低用户体验的前提下，在移动设备上实现持续、后台的真人身份验证？
• RQ2 零知识证明能否有效用于从运动传感器数据中认证人类行为特征，同时保护用户隐私？
• RQ3 在多种机器人攻击场景下，系统在准确率和效率方面的表现如何？
• RQ4 在真实移动设备上，系统在延迟和电池消耗方面的性能开销如何？
• RQ5 系统是否可在主流移动硬件上实际部署，并实现可接受的资源使用量？

主要发现

• ZKSENSE 在多种攻击场景下对机器人行为的检测准确率达到 91%，表现出强大的鲁棒性。
• 在两年内使用的三星 S9 上，每次认证耗时约 3 秒，显著快于视觉 CAPTCHA 所需的 9.8 秒。
• 系统功耗极低，适合长期后台运行。
• 零知识证明机制确保在验证过程中不暴露任何原始传感器数据或行为模式。
• 系统可作为 Android 服务部署，证实其实际可行性及与现有隐私保护基础设施的兼容性。
• ZKSENSE 实现了异步、持续的真人身份验证，且不会中断用户交互，从而在提升安全性的基础上增强了可用性。