머신러닝을 이용한 사용자 행동 인식 기반의 PIN 입력 기법 연구
A Study of User Behavior Recognition-Based PIN Entry Using Machine Learning Technique
2
조회
0
다운로드
8
인용
0
참고문헌
키워드
초록
이 논문에서는 스마트폰에서 사용자 인증 프로토콜에 머신러닝을 사용하는 기법을 제안한다. 우리가 제안하는 기법은 사용자가 PIN을 입력할 때, PIN 뿐만 아니라 추가적으로 스크린을 터치하는 시간 간격 및 위치를 인증 정보로 수집하여 식별자로 사용하는 기법이다. 먼저 사용자 등록 단계에서 다수의 사용자 터치 시간 및 위치 데이터를 수집 한 다음, 그 데이터로 머신러닝을 이용하여 모델을 제작한다. 그리고 사용자 인증 단계에서 사용자가 입력한 PIN을 비교하고, PIN이 일치하면 사용자의 터치 시간 및 위치 데이터를 모델에 입력하여 기존에 수집한 데이터와 거리를 비교하여, 그에 따라 인증 성공 여부가 결정된다. 우리는 사용성 실험과 보안성 실험을 통하여 이 기법을 사용하는데 큰 불편이 없다는 것(FRR : 0%)과, 이전의 사용되고 있던 PIN 입력 기법보다 안전하다는 것(FAR : 0%)을 보였고, 그에 따라 충분히 사용될 수 있는 기법이라는 것을 확인하였다. 또한 숄더 서핑 공격 실험을 통하여 PIN이 유출되어도 보안 사고가 발생하기 힘들다는 것(FAR : 5%)을 확인하였다.
Abstract
In this paper, we propose a PIN entry method that combines with machine learning technique on smartphone. We use not only a PIN but also touch time intervals and locations as factors to identify whether the user is correct or not. In the user registration phase, a remote server was used to train/create a machine learning model using data that collected from end-user device (i.e. smartphone). In the user authentication phase, the pre-trained model and the saved PIN was used to decide the authentication success or failure. We examined that there is no big inconvenience to use this technique (FRR: 0%) and more secure than the previous PIN entry techniques (FAR : 0%), through usability and security experiments, as a result we could confirm that this technique can be used sufficiently. In addition, we examined that a security incident is unlikely to occur (FAR: 5%) even if the PIN is leaked through the shoulder surfing attack experiments.
참고문헌 (16)
- E. Jang, "Press release about simple mobile payment", Korea Consumer Agency, ~ (2016)
- C. Adams, "Personal Identification Number (PIN)", Encyclopedia of Cryptography and Security, 927~ (2011)
- S. Mun, "2017. 5. Wireless communication service subscriber statistics", Ministry of Science, ICT and Future Planning, ~ (2017)
- A. Aviv, "Smudge Attacks on Smartphone Touch Screens", WOOT '10 Proceedings of the 4th USENIX Conference on Offensive Technologies (2010)
- F. Mohsen, "Android Keylogging Threat", 9th IEEE International Conference on Collaborative Computing: Networking, Applications and Worksharing (2013)
- W. Goucher, "Look behind you: the dangers of shoulder surfing", Computer Fraud & Security, 2011(11), pp.17~20 (2011)
- F. Cherifi, "Book on Behavioral Biometrics for Human Identification: Intelligent Applications" (2009)
- 김진복, "터치스크린을 이용한 터치 위치기반 사용자 인증", 정보보호학회논문지, 21(1), pp.135~141 (2011), 한국정보보호학회
- David E. Goldberg, "Genetic Algorithms and Machine Learning", Machine Learning, 3(2-3), pp.95~99 (1988)
- 김승현, "심층 신경망의 최적화를 통한 소규모 행동 분류 문제의 행동 인식 방법", 정보처리학회 논문지, 6(3), pp.155~160 (2017), 한국정보처리학회[DOI]
- Yejin Yoon, "Secure power demand forecasting using regression analysis on Intel SGX", Next Generation Computing Conference 2017 (2017)
- Xinyou Yin, "A Flexible Sigmoid Function of Determinate Growth", Annals of Botany, 91(3), pp.361~371 (2003)[DOI]
- Livia C. F. Araujo, "User Authentication Through Typing Biometrics Features", IEEE Transactions on Signal Processing, 53(2), pp.851~855 (2005)[DOI]
- P. Panasiuk, "Image Processing and Communications Challenges 2", pp.113~120 (2010), Springer
- S. J. Shepherd, "Continuous authentication by analysis of keyboard typing characteristics;Security and Detection 1995", Security and Detection 1995, May, ~ (1995)
- "TensorFlow", Wikipedia, ~ (2017)