基于图形口令的认证方案研究

来源 :电子科技大学 | 被引量 : 0次 | 上传用户:qzspk
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
图形口令认证是移动用户使用最便捷的认证方式:用户选择一个用户名和图形口令在服务器注册,服务器根据用户选择的图形口令生成一个认证凭证保存在数据库中。这种方式虽然简捷,但也面临凭证数据库泄露问题。一方面,由于用户选择的图形口令是低熵的,在窃取服务器的凭证之后,攻击者可以离线穷举所有可能的图形口令,计算其凭证,并与服务器中的凭证进行比对,直到找到用户的图形口令,这种攻击也称为口令猜测攻击。在得到用户口令后,攻击者可以冒充用户访问服务器资源,给企业和用户带来损失。因此,如何抵抗口令猜测攻击是一个需要解决的问题。另一方面,现有的解决凭证泄露问题的技术在较长时间范围内不能给用户的图形口令安全提供百分百保证。攻击者可以窃取用户凭证,在较长的时间内不断地收集重要信息,最终恢复出用户图形口令。因此,如何检测凭证泄露仍然是一个需要解决的问题。针对上述挑战,本文深入研究了凭证泄露导致的安全性问题。具体工作如下。1.针对凭证泄露导致的口令猜测攻击问题,提出了一个抗服务器凭证数据库泄露的图形口令认证方案GADL。具体来说,GADL方案引入了一种密钥服务器协助的哈希加盐法来生成凭证,该方法以分布式门限秘密共享的方式在密钥服务器群组部署一个密钥,用户在认证阶段动态地和密钥服务器群组交互恢复出盐,避免了盐明文存储在服务器内部,解决了盐和凭证泄露导致的离线口令猜测攻击问题。此外,该方法可以解决单点失效问题,即使一些服务器的密钥泄露后,攻击者仍然无法恢复出服务器群组共享的密钥,为用户口令提供了更强的安全性保证。2.针对凭证泄露检测问题,利用蜜罐口令机制提出了一种有效检测凭证泄露的图形口令认证方案DCSE。蜜罐口令是服务器为用户生成的假口令,且蜜罐口令的凭证和用户真实图形口令的凭证存放在一起,攻击者即使从凭证中恢复出口令也难以区分用户的真实图形口令和蜜罐口令。一旦攻击者尝试使用蜜罐口令登录服务器,服务器可以立刻检测到凭证已经泄露。为了协助认证服务器区分用户的真实图形口令和蜜罐口令,DCSE方案采用了一种分布式的索引计算方法,允许认证服务器和蜜罐口令检查服务器群组共同参与计算真实口令存储的索引位置,避免了用户真实图形口令信息存储在单一服务器上带来的安全隐患。
其他文献
基于机器学习的智能模型在出行、消费、医疗等领域已经有了广泛的应用,对人们的生活、学习以及工作都产生了深远影响,这都得益于人工智能的三大支柱算法、算力、数据的飞速发展。当人类思考问题时,会结合问题相关的空间关系、因果关系、科学事实和社会习俗常识等背景知识来分析问题,这类知识对人类来说微不足道,但是目前的人工智能模型仍然无法获取,近年来大量的研究开始尝试向智能模型中融入常识知识,常识推理问答成为了人工
学位
在这个信息“大爆炸”的时代,每天都会产生大量的信息,而图像是信息的重要载体。现实中许多图片包含丰富的信息量,往往有着不止一个标签,因此多标签图像的分类问题受到许多学者的重视。得益于深度学习的崛起,多标签图像分类也有了丰富的研究成果,并在医疗图像、智慧交通等领域成功应用。然而,深度学习方法普遍高度依赖于大量的标注数据,但在实际应用中,获取高质量的标注数据成本十分高昂。主动学习的核心目标在于通过合适的
学位
近年来,深层的脉冲神经网络由于其强大的特征提取能力,逐渐得到学者们的重视。训练高性能的深度脉冲神经网络(Spiking Neural Networks:SNNs)需要大量的标记数据,但在实验过程中给海量数据打标签是耗时耗力且高成本的一项工作。为了减少训练深度脉冲学习模型所需要的已标记数据量,提升训练模型的效率,本文旨在研究脉冲神经网络上的主动学习方法。目前基于传统人工网络的主动学习策略研究较多,却
学位
近年来,随着机器学习技术的不断发展,更多具有挑战性的机器阅读理解数据集不断被提出,机器阅读理解技术成为了热门研究方向。近期,两个考验机器逻辑推理能力的阅读理解数据集Re Clor和Logi QA受到了研究者们的关注,当前主流的预训练模型更多关注单词级语义,对文本逻辑关系的捕捉能力较弱导致逻辑推理能力较低。本论文结合预训练模型和符号模型的优势,提出基于混合推理的阅读理解模型,并通过加深预训练模型网络
学位
事件抽取的本质是从大量非结构化、未经处理的信息中抽取出完整事件,包括事件触发词和一系列事件要素,并以结构化形式存储和展示。事件抽取技术为当代社会中态势感知、社会治理、决策辅助和应急处突等重大需求提供了技术支撑,有着重要研究意义和价值。当前事件抽取领域存在着对复杂语义环境抽取效果不佳等问题。故本文围绕事件抽取任务,进行了如下主要研究:1.针对事件触发词抽取定位和分类不准确等问题,现有方法主要利用句子
学位
在现今大数据时代中,互联网上的信息数据量成爆炸式增长,异构数据规模庞大,真假信息相互混杂。人们可以从各种来源处获得需要的信息,但这些网络开源数据成长尾分布,且来源之间关系隐含且复杂。本文围绕网络开源信息的真值发现问题开展研究,基于深度学习方法,面向无标签多源文本数据以及单个文本数据,分别提出了基于GCN的无监督多源真值发现模型与基于外部信息融合的单源真值发现模型,并设计实现了基于真值发现的网络信息
学位
试验旨在研究玉米蛋白粉对海兰褐蛋鸡产蛋性能、养分消化率及蛋品质的影响。选取1 500只海兰褐蛋鸡随机分为4组,每组5个重复,每个重复75只鸡。对照组蛋鸡饲喂基础日粮,试验Ⅰ组、Ⅱ组、Ⅲ组分别在基础日粮中添加3%、6%、9%玉米蛋白粉。预试期7 d,正式试验期35 d。结果显示,试验Ⅱ组蛋鸡的产蛋率显著高于其他组(P<0.05),对照组蛋鸡的产蛋率最低,为81.46%。试验Ⅱ组、试验Ⅲ组的蛋重显著低
期刊
剪力墙结构是高层建筑中采用较为广泛的结构体系。传统的“强墙肢,弱连梁”抗震设计理念将连梁作为剪力墙结构抗震设防的第一道防线,在结构遭受地震作用时,先于墙肢破坏。然而,传统的钢筋混凝土连梁的耗能能力较弱,且地震作用后,连梁发生较大损伤,修复困难,甚至无法修复,影响了整体结构的地震恢复能力。基于此,本文拟基于剪切和弯曲钢板的组合,改变传统阻尼器分阶屈服的设计思路,提出一种基于滑移连接的分阶屈服型消能连
学位
互联网蓬勃发展使大数据出现爆炸式增长,导致数据规模大、价值密度低,对有效可靠的数据挖掘技术产生了巨大的需求。链接预测是探索实体之间存在关系的可能性,已成为数据挖掘的核心任务,引起广泛重视。链接预测研究促进了对网络演化的认知。但是,现有的链接预测模型难以对复杂网络结构进行有效建模,由于网络的稀疏性,数值价值密度较低,噪声对网络结构干扰较大,导致预测准确性较低。特别是包含丰富语义信息的异质网络,无法充
学位
近年来,由于传统的化石能源储备量不断减少以及其带来的环境恶化问题,各国在积极实施节能减排政策的同时也进一步加大了对可再生能源的发展,其中包括风能、太阳能、生物质能、潮汐能等。新能源往往具有清洁、可再生且分布广泛等优势,加大新能源的利用可以有效的缓解能源短缺问题和环境污染问题。然而,新能源发电的功率通常具有较大的间歇性和波动性,严重影响了主电网的安全稳定运行。微电网技术的出现,有效的弥补了可再生能源
学位