《IEICE Transactions on Communications》:A method for estimating the trustworthiness of a group of users accessing accounts during authentication
编辑推荐:
本文针对网络与在线服务面临的身份冒用威胁,提出一种创新群体用户可信度评估方法。研究通过结合常规认证与基于行为分析的强化认证采样,构建统计模型估算特定周期内"用户本人访问比例",解决了传统UEBA技术难以量化整体威胁态势的难题。实验表明该方法可将估计误差控制在2%以内,为动态调整认证强度等安全措施提供了重要依据。
随着企业等组织在业务运营中信息技术的广泛应用,员工通过远程办公等方式使用在线服务已成为新常态。然而,这种便利性也带来了新的安全挑战:第三方滥用在线服务、针对网络和服务器的攻击等威胁日益猖獗。传统安全措施往往侧重于单个用户的可信度评估,难以从宏观层面把握网络面临的整体威胁态势。当攻击者通过盗用合法账户发起攻击时,如何快速识别群体用户中的异常访问行为,成为网络安全运营面临的关键难题。
在这一背景下,发表在《IEICE Transactions on Communications》上的研究提出了一种创新性的群体用户可信度评估方法。该方法首次将"用户本人访问比例"作为量化指标,通过结合常规认证与强化认证的混合采样策略,构建统计模型来估算特定周期内合法用户的实际访问占比。研究团队通过理论分析和多智能体仿真验证了该方法的有效性,为动态调整安全策略提供了重要依据。
研究团队采用的核心技术方法主要包括:1)双重认证框架设计,将AAL1/AAL2级常规认证与AAL3级强化认证结合;2)用户行为信息采集系统,通过in-channel(设备类型、地理位置等)和out-of-band(门禁系统、日程管理等)多源数据融合;3)统计估计模型,基于大数定律和中心极限定理构建置信区间估计;4)多智能体仿真平台,模拟10万用户代理的访问行为模式。
研究结果部分,通过多个维度验证了所提方法的性能:
认证框架设计方面,研究基于NIST SP 800-63B标准,将常规认证设定为AAL1或AAL2级别(如密码、软件OTP等),强化认证则采用AAL3级别的加密多因素认证方法(如智能卡、FIDO2等)。这种设计既保证了常规认证的用户便利性,又通过强化认证提供了高可靠性的采样基准。
统计模型构建结果显示,提出的参数估计方法能够有效解决"用户本人认证失败"和"冒用者认证成功"两个关键难题。通过公式Pt= 1 - z2计算整体用户本人访问比例,其中z2表示冒用者强化认证失败比例。仿真表明该估计值与实际值的误差可控制在0.01-0.04范围内。
准确性评估实验发现,当强化认证采样率达到10%时,在95%置信水平下估计误差小于2.5%。特别是在访问量较高的时段(9:00-17:00),由于样本量充足(ns> 1600),估计精度显著提高。这表明该方法能够适应网络使用量的动态变化。
用户行为分析有效性验证表明,通过综合利用in-channel和out-of-band行为信息,能够将用户本人强化认证失败概率控制在0.05以下。当失败概率从0增至0.1时,估计误差仅从0.001增大到0.025,证明行为信息采集策略的有效性。
安全性分析结果显示,与传统仅依赖常规认证的方法相比,所提方法能够识别出通过常规认证的访问中最高39%的实际冒用行为。这意味着在80%通过常规认证的访问中,有近10%可能是冒用者,这一发现对安全策略调整具有重要意义。
研究结论部分强调,该方法通过引入可量化的群体用户可信度指标,为网络和在线服务的安全运营提供了重要工具。与传统的UEBA(用户实体行为分析)技术相比,该方法不仅能够评估单个用户的可信度,还能从宏观层面把握威胁态势,实现安全措施强度与用户便利性的动态平衡。讨论部分指出,未来工作需要进一步优化用户行为信息的采集和分析方法,特别是在复杂网络架构下的信息准确性保障。同时,需要关注新型攻击手段(如AiTM、多因素认证疲劳攻击等)对强化认证有效性的潜在影响。
这项研究的创新之处在于将统计学原理与认证技术相结合,提出了可操作的群体威胁评估框架。通过将抽象的安全威胁转化为具体的数字指标,使网络安全管理人员能够基于数据驱动的方式做出决策,如动态调整WAF(Web应用防火墙)的流量限制策略或全用户组的认证强度。这种方法的推广应用有望显著提升组织应对身份冒用攻击的能力,在数字化时代构建更加智能、自适应的网络安全防护体系。