Chagua Lugha

Kupunguza Upendeleo katika Kuiga Nguvu ya Nywila za Ulimwengu Halisi kwa Kutumia Kujifunza kwa Kina na Kamusi za Nguvu

Mbinu ya kujifunza kwa kina na kamusi za nguvu ili kupunguza upendeleo wa kipimo katika makadirio ya nguvu ya nywila, kuiga mikakati ya washambuliaji wa ulimwengu halisi.
strongpassword.org | PDF Size: 1.4 MB
Ukadiriaji: 4.5/5
★ ★ ★ ★ ★
Ukadiriaji Wako
Umekadiria waraka huu tayari
Kifuniko cha Waraka PDF - Kupunguza Upendeleo katika Kuiga Nguvu ya Nywila za Ulimwengu Halisi kwa Kutumia Kujifunza kwa Kina na Kamusi za Nguvu
Tazama Waraka PDF Pakua PDF Tafsiri PDF
Nyumbani » Nyaraka » Kupunguza Upendeleo katika Kuiga Nguvu ya Nywila za Ulimwengu Halisi kwa Kutumia Kujifunza kwa Kina na Kamusi za Nguvu

Jedwali la Yaliyomo

1. Utangulizi

Usalama wa nywila bado ni changamoto muhimu katika mifumo ya uthibitishaji. Karatasi hii inashughulikia upendeleo wa asili wa kipimo katika kuiga nguvu ya nywila za ulimwengu halisi, haswa katika mashambulizi ya kamusi. Waandishi wanapendekeza mbinu mpya kwa kutumia kujifunza kwa kina na kamusi za nguvu ili kuiga kwa usahihi zaidi mikakati ya washambuliaji, kupunguza ukadiriaji wa juu wa nguvu ya nywila.

2. Usuli na Tatizo

Mashambulizi ya jadi ya kamusi hutegemea usanidi tuli (kamusi na sheria za kuhariri) ambazo hazina uwezo wa kunasa mikakati inayobadilika ya washambuliaji wa ulimwengu halisi. Hii inasababisha upendeleo mkubwa katika makadirio ya nguvu ya nywila, mara nyingi ikikadiria usalama kuwa wa juu. Karatasi inaangazia kuwa wataalamu hurekebisha mipangilio yao kwa mikono, mchakato ambao ni mgumu kuiga katika mazingira ya utafiti.

3. Mbinu

Mbinu iliyopendekezwa inaendesha kiotomatiki uundaji wa usanidi mzuri wa mashambulizi kwa kutumia kujifunza kwa kina na urekebishaji wa nguvu.

3.1 Mtandao wa Neva wa Kina kwa Uundaji wa Mashambulizi

Mtandao wa neva wa kina unafunzwa kuiga ustadi wa washambuliaji katika kuunda usanidi wa mashambulizi. Mtandao hujifunza kutabiri mchanganyiko mzuri wa kamusi na sheria kulingana na sifa za lengo, kuondoa hitaji la urekebishaji wa mikono.

3.2 Mikakati ya Nguvu ya Kukisia

Mikakati ya nguvu ya kukisia inaletwa ndani ya mashambulizi ya kamusi. Mikakati hii inaiga uwezo wa wataalamu wa kurekebisha wakati wa shambulio kwa kujumuisha maarifa kuhusu lengo (kwa mfano, mifumo ya nywila iliyovuja), kuboresha ufanisi wa kukisia.

4. Maelezo ya Kiufundi na Uundaji wa Hisabati

Kiini cha mbinu hii kinahusisha mfano wa uwezekano wa kukisia nywila. Hebu $P$ iwe seti ya nywila zote zinazowezekana. Uwezekano wa kukisia nywila $p$ unaundwa kama:

$\Pr[\text{kisia } p] = \sum_{d \in D} \sum_{r \in R} \Pr[d] \cdot \Pr[r|d] \cdot \mathbb{I}[r(d) = p]$

ambapo $D$ ni seti ya kamusi, $R$ ni seti ya sheria za kuhariri, na $\mathbb{I}$ ni kazi ya kiashiria. Mtandao wa neva wa kina hujifunza uwezekano wa masharti $\Pr[r|d]$ na $\Pr[d]$ kutoka kwa data ya kihistoria ya mashambulizi, kuwezesha uundaji wa mfuatano bora wa kukisia.

5. Matokeo ya Majaribio

Majaribio yalifanywa kwenye seti kubwa za data za nywila (kwa mfano, RockYou, LinkedIn). Mbinu iliyopendekezwa ilizidi mara kwa mara mashambulizi ya kamusi tuli, ikifanikisha hadi 30% viwango vya juu vya kufanikiwa kukisia kwa idadi sawa ya makisio. Kielelezo 1 (dhana) kinaonyesha ulinganisho wa mikondo ya kukisia: mbinu ya nguvu (mstari imara) ina mteremko mkali ikilinganishwa na misingi tuli (mistari ya mstari), ikionyesha urejeshaji wa nywila kwa ufanisi zaidi.

6. Mfano wa Mfumo wa Uchambuzi

Uchunguzi Kifani: Kuiga Shambulio la Kurekebishika

Fikiria mfumo lengwa ulio na orodha ya nywila zilizovuja za vipengee 10,000. Shambulio la kamusi tuli linatumia seti maalum ya sheria (kwa mfano, kuongeza tarakimu). Mbinu ya nguvu kwanza inachambua orodha iliyovuja kutambua mifumo ya kawaida (kwa mfano, "password123"), kisha inarekebisha seti ya sheria kwa nguvu ili kuweka kipaumbele kwa mabadiliko sawa. Hii inasababisha ongezeko la 40% la nywila zilizovunjwa ndani ya makisio milioni 1 ya kwanza ikilinganishwa na misingi tuli.

7. Maarifa Muhimu

8. Uchambuzi wa Asili

Maarifa ya Msingi: Karatasi hii inashughulikia dosari ya kimsingi katika utafiti wa usalama wa nywila: kutegemea mifano tuli ya mashambulizi iliyorekebishwa na wataalamu ambayo haiwakilishi vitisho vya ulimwengu halisi. Matumizi ya waandishi ya kujifunza kwa kina kuendesha kiotomatiki na kurekebisha usanidi wa mashambulizi ni hatua muhimu kuelekea uhalali wa kiikolojia katika tathmini za usalama.

Mtiririko wa Kimantiki: Karatasi inaendelea kimantiki kutoka kutambua tatizo la upendeleo, hadi kupendekeza suluhisho la kujifunza, hadi kuthibitisha kwa majaribio. Ujumuishaji wa kamusi za nguvu ni wa kifahari haswa, kwani unaonyesha jinsi washambuliaji wanavyoboresha mikakati yao kwa kurudia kulingana na mafanikio ya sehemu.

Nguvu na Udhaifu: Nguvu kubwa ni uthibitishaji wa majaribio kwenye seti kubwa za data, ukionyesha maboresho ya wazi. Hata hivyo, kutegemea kwa mbinu hii kwa data ya kihistoria ya mashambulizi kunaweza kupunguza uwezo wake wa kujumlisha kwa mifumo mipya ya mashambulizi. Zaidi ya hayo, mzigo wa kihesabu wa kufundisha mtandao wa neva unaweza kuwa kikwazo kwa baadhi ya watendaji.

Maarifa Yanayoweza Kutekelezwa: Kwa watendaji wa usalama, kazi hii inatoa mwongozo wa vipimo sahihi zaidi vya nguvu ya nywila. Kwa watafiti, inaangazia hitaji la kuondoka kwenye vigezo tuli. Mbinu hii inaweza kuunganishwa katika zana za ukaguzi wa nywila ili kutoa tathmini za hatari za kweli zaidi. Kama ilivyobainishwa katika kazi zinazohusiana (kwa mfano, Goodfellow et al., "Generative Adversarial Nets", NeurIPS 2014), mafunzo ya ushindani yanaweza kuongeza zaidi uimara wa mfano.

9. Matumizi ya Baadaye na Mtazamo

Mfumo uliopendekezwa una athari pana. Kazi za baadaye zinaweza kupanua dhana ya kamusi ya nguvu kwa nyanja zingine kama usalama wa CAPTCHA au ugunduzi wa uvamizi. Ujumuishaji wa kujifunza kwa kuimarisha unaweza kuwezesha mawakala wa mashambulizi wa kujitegemea kabisa ambao hujifunza mikakati bora kwa wakati halisi. Zaidi ya hayo, mbinu hii inaweza kutumika kubuni sera za nywila zinazostahimili zaidi kwa kutambua mifumo ambayo iko katika hatari zaidi kwa mashambulizi ya kurekebishika.

10. Marejeleo