《Engineering Applications of Artificial Intelligence》:An innovative user-to-device authentication scheme using broad learning-based dynamic hint generation
编辑推荐:
隐藏动态密码增强物联网设备身份认证安全性的研究,提出HDynPIN方案通过RNN生成动态提示和随机输入路径隐藏用户固定密码,有效防御摄像头记录和按键日志等侧信道攻击。
米拉德·塔莱比·阿瓦努奥伊 | 沃伊切赫·马祖尔奇克
华沙工业大学(WUT)电子与信息技术学院,波兰华沙诺沃维耶斯卡00-665
摘要
个人识别码(PIN)认证方案仍然是智能设备中广泛采用的标准安全协议,因为它在万物互联(IoE)环境中简单易用。然而,传统的PIN方案在技术上容易受到侧信道攻击的影响,攻击者可以通过基于摄像头的记录、按键记录或观察用户与设备(U2D)交互来捕获受害者的PIN码。为了克服这一关键的安全缺陷,我们提出了一种创新的动态PIN隐藏(HDynPIN)多因素认证方案,用于保护IoE设备。该方案通过使用基于循环神经网络(RNN)生成的提示项和随机输入路径来隐藏PIN码(HP),使其看起来像动态密码(DPC)。在注册阶段,用户需要选择一个4位或6位的HP、一组提示项及其对应的操作符。然后,在认证阶段,系统会根据用户的设置显示一个随机生成的提示项,并利用一次性的有效DPC引导用户完成输入。通过隐藏HP和随机化DPC输入路径,HDynPIN提供了一种用户友好且更安全的U2D协议,能够有效抵御侧信道攻击。我们的广泛实验评估证实,HDynPIN的性能优于现有的最先进方案。
引言
在现代网络空间时代,个人识别码(PIN)或密码仍然是万物互联(IoE)环境中的标准认证方案,为智能手机、智能门和智能手表等设备以及敏感应用(如加密货币钱包或数字银行服务)提供简单的安全保护(Asheralieva和Niyato,2022年)。然而,IoE框架源于对机器、流程和人员在网络空间中适应性强、无处不在的连接性和无缝互操作性的追求,代表了超越传统物联网(IoT)的进化,旨在最大化生态系统中的智能接口分辨率,以支持新的应用(Ahvanooey等人,2025年)。与主要关注机器间连接的经典IoT架构不同,IoE框架包括用户与设备(U2D)的交互(例如输入PIN码)。然而,这种扩展的连接性使用户面临前所未有的监控风险,因为他们始终处于其他智能设备或人的持续观察之下(Ahvanooey等人,2021年)。尽管网络空间安全领域最近取得了革命性进展,但传统的基于PIN的访问控制方法仍然是保护数十亿用户数据和金融资产的主要方案(例如销售点终端(PoS)和自动取款机(ATM))。虽然这种方案对最终用户来说使用方便且简单,但它存在严重的PIN码暴露漏洞。PIN码暴露的主要风险包括:(i)在IoE环境中输入时,最终用户必须手动遮挡PIN码以防止摄像头记录攻击;(ii)最终用户必须确保没有人看到设备的屏幕,以防止窥屏攻击(Cardaioli等人,2022年)。
为了减轻上述风险,标准化组织发布了技术指南和安全政策,以加强基于IoE系统的标准U2D安全协议的实施。例如,美国国家标准与技术研究院(NIST)在2023年10月发布了特别出版物800-63B(Grassi等人,2023年),建议随机生成的代码至少为6位长度,用户选择的组合至少为8位长度,以减轻猜测或暴力攻击的风险。此前,国际标准化组织(ISO)也发布了关于金融服务PIN管理和安全的国际标准ISO 9564-1:2017(ISO,2017年),允许PIN码长度在4到12位之间(Cardaioli等人,2022年)。值得注意的是,瑞士、新加坡和意大利的一些银行系统要求消费者使用6位PIN码来保护在线金融服务。此外,英国、加拿大、波兰和伊朗等国家在其银行服务中仍然使用4位PIN码方案(Bonneau等人,2012年)。
在文献中,最近的研究如PressPIN(Zhou等人,2022年)和TaPIN(Lee等人,2024年)使用按键声音或振动作为点击生物特征来识别输入的PIN码,但这些方法在嘈杂环境中可能表现不佳。其他一些最先进的方法采用了新的布局,如圆形(Guerar等人,2020a)或轮盘式(Guerar等人,2020b)PIN方案;然而,这些方法仍然会在输入过程中暴露用户的PIN码。此外,其他研究工作(如Lee(2014年)和Binbeshr等人(2023年)使用了随机化键盘来混淆PIN码输入,但这仍然会在输入过程中暴露用户的组合。除了上述进展和国际标准的演变外,考虑到用户选择的PIN码的静态性质和可重用性的弱点,还存在一个持续存在的问题,即攻击者可以利用这些弱点来破坏数字服务,特别是在U2D交互过程中(Grassi等人,2023年)。在IoE环境中,尽管生物特征认证(如指纹、面部和虹膜)很受欢迎,但4位PIN码方法仍然是数十亿IoE设备(如PoS、ATM、智能门和智能手机)的标准安全协议(Mayrhofer和Sigg,2021年)。然而,传统的PIN码输入已被证明容易受到侧信道攻击(例如摄像头记录或按键记录)(Wang等人,2017年;Wang和Wang,2022年)。其主要弱点在于验证一个静态的、基于知识的数字代码,该代码在用户设备上输入时可能会被捕获(Ahvanooey等人,2025年)。此外,最近的研究(Shi等人,2022年;Anon,2013年)表明,许多消费者选择的PIN码很容易被猜测,因为用户经常包含部分身份信息(如出生日期)、简单模式或序列数字(如1234),这使得攻击者容易推断出来。因此,对于开发人员或研究人员来说,减少对传统基于PIN的方法的修改至关重要,以实现所需的可用性、安全性和消费者保护。基于此,本研究的主要贡献有四点。
–我们提出了一种创新的增强型基于PIN的认证方案HDynPIN,它将用户的隐藏PIN码(HP)隐藏在动态按键和随机输入路径之下,以抵御侧信道攻击,并且可以轻松集成到许多IoE设备中。在HDynPIN中,用户利用HP知识找到一个基于AI生成的提示项的动态PIN码(DPC),该密码仅在一次认证尝试中有效,且适用于随机生成的输入路径。
–我们引入了一种基于实例的学习PIN强度检查器,通过减少注册阶段公共信息的使用风险,指导用户选择强力的4位或6位HP。这种方法要求用户根据其设置使用广泛的学习技术生成一次性的有效DPC,从而确保安全性和认证阶段的可用性。
–我们开发了一个轻量级的基于循环神经网络(RNN)的提示生成器,确保当前的有效提示与前一个和下一个提示不同,通过从用户设置中随机选择并考虑之前的状态来验证它。DPC和随机输入路径的结合防止了HP在成功的侧信道攻击下被预测或泄露。
–我们根据相关工作中采用的评估标准定义了五个标准指标,以便对最先进的方案进行公平的比较分析。
文章的其余部分组织如下:第2节描述了各种基于PIN的认证方法及其限制。第5节提出了可证明的评估指标,用于分析最先进方案的安全性能和可用性。第3节简要讨论了对手可以利用的五种攻击方式,以捕获用户的凭证并绕过基于PIN的协议。接下来,在第4节中详细解释了动机场景和提出的方案。第6节我们在Android智能手机上测试了HDynPIN,并根据定义的标准指标评估了其性能,将我们的结果与最先进算法进行了比较。最后,第8节总结了我们的工作。
相关工作
相关工作
在本节中,我们总结了最先进的基于PIN的方案,评估了它们在安全性和可用性方面的优势和限制。在这里,我们将PIN认证方案系统地分为四种类型:按键动态、随机键盘生成、触摸输入和/或压力分析以及眼动追踪方法(Noah和Das,2025年)。图1展示了用户与IoE设备交互时使用的各种基于PIN的认证机制。
威胁模型
在本节中,我们提出了一个结构化的威胁模型,突出了在IoE设备上部署基于PIN的方案时可能存在的漏洞或缺乏适当防护措施的情况。在这个威胁模型中,假设涉及验证者、受害者和攻击者。在IoE环境中,受害者通过验证者输入PIN码(见图1)。请注意,受害者的交互行为受到攻击者的监视。
提出的方案“HDynPIN”
在本节中,我们详细解释了动机场景、问题陈述和提出的HDynPIN方案。
评估指标
在本节中,我们介绍了五个标准评估指标,用于评估基于PIN的认证方法在IoE环境中部署时的性能(Wang和Wang,2022年;Lee,2014年)。需要注意的是,一些评估指标已经提出,用于解决基于PIN的认证方案中组合可重用性引起的问题(Lee,2014年;Kwon和Na,2015年;Zhou等人,2022年;Lee等人,2024年)。不幸的是,一些现有的指标
实验分析
在本节中,我们根据第3节中描述的威胁模型,使用上述定义的指标(C1-C5)评估了HDynPIN方案的性能。为了验证HDynPIN的安全性和可用性,我们使用Java设计和实现了一个POC Android应用程序。然后,基于两个基准样本(见表5和6),我们测试了HDynPIN,并将我们的结果与其他基于标准评估指标的最先进方案进行了比较。
讨论
在本节中,我们讨论了所提出方案与最先进方法相比的实际意义,重点关注计算复杂性、硬件兼容性、对抗攻击的预防措施以及安全限制(见表13)。
结论
本文提出了一种创新的基于PIN的认证方案HDynPIN,用于保护IoE设备,它将用户的PIN码隐藏在动态的一次性有效组合之下。该方案解决了PIN码的静态(可重用)问题,这是最先进方案的一个局限性,使其容易受到现实世界侧信道威胁的影响。HDynPIN要求用户记住一个隐藏的PIN码,并选择三对提示项和操作符,以便
CRediT作者贡献声明
米拉德·塔莱比·阿瓦努奥伊:撰写——审阅与编辑、撰写——原始草稿、验证、软件、方法论、调查、形式分析、数据整理、概念化。沃伊切赫·马祖尔奇克:撰写——审阅与编辑、验证、监督、概念化。
利益冲突声明
作者声明以下可能的财务利益/个人关系:米拉德·塔莱比·阿瓦努奥伊报告称获得了华沙工业大学的财务支持。米拉德·塔莱比·阿瓦努奥伊报告称获得了南洋理工大学的财务支持。沃伊切赫·马祖尔奇克报告称获得了华沙工业大学的财务支持。如果有其他作者,他们声明没有已知
致谢
本研究部分得到了波兰Ulam NAWA研究奖学金的支持,资助编号为BPN/ULM/2022/1/00069。