Неявная аутентификация - Implicit authentication

Неявная аутентификация (IA) это техника, которая позволяет умное устройство узнать своего владельца, узнав о его поведении. Это метод, который использует машинное обучение алгоритмы для изучения поведения пользователя с помощью различных датчиков на интеллектуальных устройствах и достижения идентификации пользователя.[1][2] Большинство современных методов аутентификации, например, пароль, блокировка шаблона, распознавание отпечатков пальцев и радужной оболочки глаза, являются явной аутентификацией, требующей ввода данных пользователем. По сравнению с явной аутентификацией, IA прозрачен для пользователей во время использования и значительно увеличивает удобство использования за счет сокращения времени, затрачиваемого пользователями на вход в систему, что раздражает пользователей больше, чем отсутствие сотовой связи.[3]

Модель

В неявной аутентификации (IA) данные о поведении пользователя (необработанные) собираются различными датчики встроены в интеллектуальное устройство и хранятся в базе данных для подготовки к дальнейшей обработке. После фильтрации шума и выбора подходящих функций данные будут отправлены в инструменты машинного обучения, которые будут обучать и возвращать точно настроенную модель обратно на смарт-устройство. Затем смарт-устройство использует модель в качестве подписи для идентификации текущего пользователя. Из-за ограниченности аккумулятора и вычислительных возможностей интеллектуального устройства этап обучения, на котором выполняется большая часть вычислений, обычно реализуется на удаленном сервере.[4] Некоторые легкие алгоритмы, например, Kl дивергенция, реализованы в локальном устройстве как части блоков аутентификации в реальном времени, которые управляют механизмом блокировки устройства.

Развитие модели IA во многом зависит от операционных систем, которые обычно используют Android и iOS, и есть два разных подхода к созданию модели IA: ориентированные на устройства и ориентированные на приложения.[5] Подходы, ориентированные на устройства, как традиционный способ создания модели IA, используют большую часть информации, собираемой операционной системой с различных датчиков, а модель IA работает непосредственно над операционной системой. Однако подходы, ориентированные на приложения, достигают IA путем создания индивидуальной структуры в каждом приложении, которая выполняется независимо в песочница, и он сохраняет внутреннюю структуру операционной системы, упрощая разработку IA.

История

В 1977 году Вуд[6] указали, что существует два типа биометрических подходов к аутентификации - физиологическая и поведенческая биометрия. Второй подход связан с походкой пользователя, информацией о местоположении и схемами нажатия клавиш. Использование биометрических показателей для аутентификации пользователей было разработано в таких областях, как: управление доступом на основе местоположения,[7][8] особенно динамика нажатия клавиш и набрав шаблон.[9] В 2010 году Shi et al. перенесли биометрическую аутентификацию на мобильные устройства, которые содержат множество датчиков, и значительно повысили точность аутентификации, и назвали новый подход «неявной аутентификацией».[10] В связи с быстрым ростом интеллектуальных технологий интеллектуальные устройства становились все более и более сложными, вычислительная мощность росла с каждым годом, и они стали основой для IA для достижения высокоточной и удобной аутентификации. Текущие подходы IA в основном сосредоточены на сенсорном датчике, GPS и акселерометре, и соответствующие методы были SVM, кНН, GMM и тематическая модель.

Рекомендации

  1. ^ Ян, Инъюань (2015). Переподготовка и динамические привилегии для систем неявной аутентификации. Мобильные специализированные и сенсорные системы (MASS), 12-я Международная конференция IEEE 2015 г.. С. 163–171. Дои:10.1109 / MASS.2015.69. ISBN  978-1-4673-9101-6.
  2. ^ Хан, Хасан; Этуотер, Аарон; Хенгартнер, Урс (01.01.2014). Itus: платформа неявной аутентификации для Android. Труды 20-й ежегодной международной конференции по мобильным вычислениям и сетям. MobiCom '14. Нью-Йорк, Нью-Йорк, США: ACM. С. 507–518. Дои:10.1145/2639108.2639141. ISBN  9781450327831.
  3. ^ "Исследование Sprint and Lookout показывает поведение потребителей при использовании мобильных устройств | Блог Lookout". blog.lookout.com. Получено 2016-03-14.
  4. ^ Чоу, Ричард; Якобссон, Маркус; Масуока, Рюсукэ; Молина, Иисус; Ниу, юань; Ши, Элейн; Сун, Чжэсюань (01.01.2010). Аутентификация в облаках: платформа и ее применение для мобильных пользователей. Материалы семинара ACM 2010 по безопасности облачных вычислений.. CCSW '10. Нью-Йорк, Нью-Йорк, США: ACM. С. 1–6. Дои:10.1145/1866835.1866837. ISBN  9781450300896.
  5. ^ Хан, Хасан; Хенгартнер, Урс (01.01.2014). На пути к неявной аутентификации, ориентированной на приложения, на смартфонах. Материалы 15-го семинара по мобильным вычислительным системам и приложениям. HotMobile '14. Нью-Йорк, Нью-Йорк, США: ACM. С. 10: 1–10: 6. Дои:10.1145/2565585.2565590. ISBN  9781450327428.
  6. ^ Вуд, Хелен М. (1977-01-01). «Использование паролей для управления доступом к удаленным компьютерным системам и службам». Материалы Национальной компьютерной конференции 13–16 июня 1977 г.. AFIPS '77: 27–33. Дои:10.1145/1499402.1499410.
  7. ^ Састри, Навин; Шанкар, Умеш; Вагнер, Давид (01.01.2003). Безопасная проверка заявлений о местонахождении. Материалы 2-го семинара ACM по безопасности беспроводных сетей. WiSe '03. Нью-Йорк, Нью-Йорк, США: ACM. С. 1–10. CiteSeerX  10.1.1.6.9946. Дои:10.1145/941311.941313. ISBN  978-1581137699.
  8. ^ Дамиани, Мария Луиза; Сильвестри, Клаудио (01.01.2008). На пути к контролю доступа с учетом движения. Материалы международного семинара SIGSPATIAL ACM GIS 2008 по безопасности и конфиденциальности в ГИС и LBS. ВЕСНА '08. Нью-Йорк, Нью-Йорк, США: ACM. С. 39–45. Дои:10.1145/1503402.1503410. HDL:2434/50533. ISBN  9781605583242.
  9. ^ Монроуз, Фабиан; Рубин, Авиель (1 января 1997). Аутентификация с помощью динамики нажатия клавиш. Материалы 4-й конференции ACM по компьютерной и коммуникационной безопасности. CCS '97. Нью-Йорк, Нью-Йорк, США: ACM. стр.48–56. CiteSeerX  10.1.1.33.1197. Дои:10.1145/266420.266434. ISBN  978-0897919128.
  10. ^ Ши, Элейн; Ниу, юань; Якобссон, Маркус; Чоу, Ричард (2010-10-25). Burmester, Майк; Цудик, Гена; Магливерас, Спирос; Илич, Ивана (ред.). Неявная аутентификация через поведение обучающихся пользователей. Конспект лекций по информатике. Springer Berlin Heidelberg. С. 99–113. Дои:10.1007/978-3-642-18178-8_9. ISBN  9783642181771.