基于位置敏感数据的隐私增强上下文认证
密码学与安全
2019-10-01 v2 机器学习
摘要
本文提出一种新的隐私增强、上下文感知的用户认证系统ConSec，其将用户设备采集的通用位置敏感数据（如GPS位置、气压高度与噪声水平）通过基于局部敏感哈希(locality-sensitive hashing, LSH)的变换，转换为一种表示。所得哈希对底层数据进行了降维，我们借此利用机器学习对用户行为建模以进行认证。我们展示了ConSec如何支持从类别型与数值型数据学习，同时应对多种设备端与基于网络的威胁。随后ConSec在Android平台实现，并使用来自35名用户的数据进行评估，继而开展安全与隐私分析。我们证明LSH提供了一种有用的途径，可从位置敏感数据进行上下文认证，而无需直接使用明文测量值。
引用
@article{arxiv.1904.08800,
title = {Privacy-Enhancing Context Authentication from Location-Sensitive Data},
author = {Pradip Mainali and Carlton Shepherd and Fabien A. P. Petitcolas},
journal= {arXiv preprint arXiv:1904.08800},
year = {2019}
}
备注
Accepted at the 2nd ACM International Workshop on Behavioral Authentication for System Security (BASS 2019)