基于凸包面积分析的Passpoints规则图形密码增强检测

《Frontiers in Computer Science》:Enhanced detection of regular graphical passwords in Passpoints through convex hull area analysis

【字体: 大 中 小 】 时间:2026年09月22日 来源:Frontiers in Computer Science 3.4

编辑推荐:

  引言:Passpoints是一种图形认证系统,因其安全性、可用性和低实施成本,被视为传统方法的可行替代方案。它要求用户在一幅图像中选择五个有序点,该配置由Passpoints方案固定。如果用户选择的点遵循规则图案,即它们相互排斥,则该密码不安全。现有文献报道,

  
引言:Passpoints是一种图形认证系统,因其安全性、可用性和低实施成本,被视为传统方法的可行替代方案。它要求用户在一幅图像中选择五个有序点,该配置由Passpoints方案固定。如果用户选择的点遵循规则图案,即它们相互排斥,则该密码不安全。现有文献报道,统计检验可以在该系统的注册阶段检测此类图案;然而,其有效性有限。

方法:本文提出一种基于五个点所形成凸包面积的新型高效检验,用于检测Passpoints密码中的规则图案。该面积在完全空间随机性(complete spatial randomness, CSR)下的参考(零)分布通过模拟估计,并用Weibull分布逼近;由于参数从同一批样本估计,采用参数自举(parametric bootstrap)的Anderson-Darling、Kolmogorov-Smirnov和卡方拟合优度检验评估其充分性。随后,通过将该单个观测值与参考分布进行单侧尾部检验(即不一致性检验,而非拟合优度检验)来对单个密码进行分类,并通过模拟估计第一类错误和第二类错误。将所提检验在有效性和效率上与文献中两个最强基线:平均距离检验和基于Delaunay三角形周长的检验进行比较。

结果:在模拟密码数据库上,所提检验对该图案达到了迄今为止报告的最高检出率,在两种模拟规则水平中较低水平下、α = 0.05时达到87%,且在匹配条件下超过先前检验检出率50%以上,同时在不同检验中获得最低执行时间。

讨论:这些数据描述了由空间抑制过程生成的密码上的性能;对于真实用户选择的密码,检测性能尚未测量,这是正在进行的工作的主题。
Passpoints是一种图形认证系统,要求用户在一幅图像中按顺序选择五个点构成密码。与传统字母数字密码相比,它利用人类对图像的记忆优势,兼具安全性、可用性和低实施成本,因此被视为传统方法的有力替代方案。然而,用户在注册时可能选择遵循规则图案(即点之间相互排斥、彼此距离较大)的密码,这类密码容易被猜测攻击,构成安全漏洞。已有文献提出基于平均距离和Delaunay三角形周长的统计检验在注册阶段检测此类规则图案,但检测效果有限,尤其在低规则水平下效率较低。因此,研究人员旨在设计一种更有效的检验方法,将规则图案的检测率提高到与其他弱图案(如聚类图案、直线对齐图案)相当的水平。

这项研究提出了一种基于凸包面积(area of the convex hull, ACH)的假设检验。通过模拟估计五个随机点凸包面积的参考分布,并使用Weibull分布逼近,构建单侧尾部检验来判定单个密码是否属于规则图案。在模拟数据集上,该检验在α = 0.05时对低规则水平密码的检出率达到87%,较此前最佳的平均距离检验高出50%以上,且执行速度最快。这项工作为Passpoints注册阶段提供了一个高灵敏度的安全检测工具,有助于阻止弱密码的产生,提升图形认证系统的整体安全性。

关键技术方法方面,研究人员采用蒙特卡洛模拟生成数据库:DB.1包含1,000个(后扩大至106个)完全空间随机性(CSR)下的随机密码,用于估计参考分布;DB.2包含10,000个随机密码,用于验证第一类错误;DB.3.1和DB.3.2各包含10,000个规则密码,分别由抑制距离d = 300 px和505 px的空间抑制过程生成,用于估计第二类错误。分布拟合采用EasyFit v5.6,拟合优度检验用Anderson-Darling、Kolmogorov-Smirnov和卡方检验,并进行参数自举校正;检验的临界区域基于Weibull分位数和蒙特卡洛经验分位数。

研究结果包括以下几个部分:

实验1:估计参考分布。通过模拟计算出凸包面积的分布,显示出与Weibull分布的良好拟合,参数为a = 2.2478,b = 5.0076E+5(后更新为a = 2.2420,b = 5.1435E+5)。样本量为1,000时,三种拟合优度检验在多个α水平下均未拒绝Weibull模型;扩大样本后,高功效导致严格拒绝,因此实际检验使用经验分位数以保证名义水平。

实验2:第一类错误验证。在10,000个随机密码上,各α水平的经验第一类错误与理论值偏差小于0.02,95% Wilson置信区间包含名义水平,说明参考分布校准正确,为后续比较提供了有效前提。

实验3:第二类错误估计。在DB.3.1(低规则)上,α = 0.05时检出率为87%(第二类错误0.1311),α = 0.1时89%,α = 0.2时97%;在DB.3.2(高规则)上,所有α水平下检出率均超过96%,其中α = 0.1和0.2达到100%。敏感性分析显示,随着抑制距离d增大,检出率单调上升,表明报告的性能是保守下界。

与现有文献的比较:在相同条件下,所提检验在DB.3.1上α = 0.05检出率87%,而平均距离检验和Delaunay周长检验分别为49%和32%;在DB.3.2上,所提检验超过96%,而后两者仅为62%和56%。执行时间方面,所提检验平均0.001秒,低于平均距离检验的0.006秒和Delaunay周长检验的0.045秒,因此是当前最有效且最快速的检测方法。

讨论部分指出,该研究存在若干局限性:所有实验均基于模拟数据,参数并不代表真实用户行为;检测性能尚未在真实用户选择中测量。检验仅针对Passpoints中的规则图案,不覆盖点击顺序、肩窥等其他威胁;且对于不同图像纵横比或点数变化,需重新估计分布参数。尽管如此,该检验作为注册阶段的附加安全层,能够有效提升图形密码的随机性,对抗自动猜测和字典攻击。

结论部分翻译:本文提出了一种基于五个点凸包面积的统计检验,用于检测Passpoints图形密码中的规则图案。实验表明,相比已报道的方法,该检验在检测规则图案方面具有更优的有效性,并与其他类型弱图案(如聚类图案和直线图案)的检测率相当。在α = 0.05时,低规则水平下检出率达到87%(对比先前检验的49%和32%),检测率提高超过50%;在最高规则水平下,检出率接近100%。效率上,该检验平均执行时间0.001秒,是目前最快的。检验可扩展到16:9纵横比的所有图像,并建议在实际部署中选择α = 0.05以平衡安全性和可用性。未来工作将把该检验集成到Passpoints API中,并通过真实用户研究评估攻击场景下的有效性。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号