基于鼠标轨迹相似度测量的用户认证与身份不一致检测
密码学与安全
2023-12-19 v1
摘要
完全自动化的公共图灵测试以区分计算机和人类(CAPTCHA)是一种广泛用于认证系统的挑战-响应测试。它面临的一个众所周知的挑战是CAPTCHA农场，即雇佣工人手动解决CAPTCHA。在这项工作中，我们从一个新颖的角度来应对这一挑战，将CAPTCHA农场检测转化为身份不一致检测，这本质上成为一个认证过程。具体而言，我们开发了一种新颖的嵌入模型，该模型测量会话期间收集的鼠标轨迹与注册/解决CAPTCHA时收集的鼠标轨迹之间的相似度，以进行认证并检测身份不一致。此外，与大多数现有工作为每个单独用户使用单独的鼠标移动分类器（这在大规模服务用户时会带来相当大的成本）不同，我们的模型仅使用一个分类器对所有用户执行检测任务，显著降低了成本。实验结果验证了我们的方法优于最先进的时间序列分类方法，在身份不一致检测和认证不一致检测中分别达到了94.3%和97.7%的AUC。
关键词
引用
@article{arxiv.2312.10273,
title = {User Authentication and Identity Inconsistency Detection via Mouse-trajectory Similarity Measurement},
author = {Rui Jin and Yong Liao and Pengyuan Zhou},
journal= {arXiv preprint arXiv:2312.10273},
year = {2023}
}