Key points are not available for this paper at this time.
Trotz seiner weit verbreiteten Nutzung ist die passwortbasierte Authentifizierung nicht sehr sicher, da sie leicht erraten oder durch Brute-Force-Angriffe überwunden werden kann. Um dies zu adressieren, setzen viele Systeme, die insbesondere Wert auf Sicherheit legen, die Multi-Faktor-Authentifizierung (MFA) ein, bei der mehrere verschiedene Authentifizierungsmechanismen gleichzeitig verwendet werden. JitHDA (Just-in-time menschliche Dynamik basierte Authentifizierungsengine) ist ein neuer Authentifizierungsmechanismus, der eine weitere Option zu den MFA-Funktionen hinzufügt. JitHDA beobachtet menschliches Verhalten und menschliche Dynamik, um aktuelle Informationen über den Benutzer zu sammeln, aus denen dynamisch Authentifizierungsfragen generiert werden können. Dieses Papier schlägt ein System vor, das JitHDA implementiert, das wir autonomes, anfragenbasiertes Authentifizierungs-Chatbot (AIAC) nennen. AIAC verwendet anomale Ereignisse, die aus den jüngsten Aktivitäten eines Benutzers gesammelt wurden, um personalisierte Fragen zu erstellen, die der Benutzer beantworten kann, und ist darauf ausgelegt, seine eigenen Fähigkeiten im Laufe der Zeit mithilfe von neuronalen Netzwerken zu verbessern, die auf während der Authentifizierungssitzungen gesammelten Daten trainiert wurden. Aufgrund der Nutzung der jüngsten Aktivitäten des Benutzers werden diese für den authentischen Benutzer leicht zu beantworten und für einen betrügerischen Benutzer schwer zu erraten sein, und da die jüngste Historie des Benutzers zwischen den Authentifizierungssitzungen aktualisiert wird, werden neue Fragen dynamisch generiert, um alte zu ersetzen. Wir beabsichtigen, in diesem Papier zu zeigen, dass AIAC eine tragfähige Implementierung von JitHDA ist.
Voege et al. (Sat.) untersuchten diese Frage.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: