Biometrics continuous authentication for detecting compromised accounts on Facebook

العناوين الأخرى

المصادقة المستمرة باستخدام القياسات الحيوية لكشف الحسابات المخترقة على ال Facebook

مقدم أطروحة جامعية

al-Qatawinah, Rawan Nashat

مشرف أطروحة جامعية

al-Madi, Nailah
al-Qatawinah, Jafar

الجامعة

جامعة الأميرة سمية للتكنولوجيا

الكلية

كلية الملك الحسين لعلوم الحوسبة

القسم الأكاديمي

أمن نظم المعلومات و الجرائم الرقمية

دولة الجامعة

الأردن

الدرجة العلمية

ماجستير

تاريخ الدرجة العلمية

2018

الملخص العربي

أصبحت الشبكات الاجتماعية عبر الإنترنت واحدة من القنوات الرئيسية للاتصال الاجتماعي.

تتمثل إحدى الميزات الرئيسية التي تميز معظم الشبكات الاجتماعية في أنها عبارة عن خدمات تعتمد على الحساب الشخصي حيث يحتاج المستخدم إلى إنشاء حساب على الشبكة الاجتماعية لبدء استخدام خدماتها، تخضع هذه الحسابات أو الملفات الشخصية لعدة تهديدات للأمان والخصوصية.

يمثل اختراق الحساب واحدًا من أهم التهديدات الأمنية للمستخدمين حيث انه ينتهك خصوصية مالك الحساب ويُمكن أي متطفل من استغلال معلومات الحساب والاتصالات المنشئة مسبقا لاستخدامه بطريقة سيئة.

تتناول هذه الرسالة استخدام القياسات الحيوية السلوكية للكشف عن الاختراق على حساب Facebook ومصادقة المستخدمين بطريقة مستمرة على وجه الخصوص، سيتم استخدام ميزات ديناميكيات ضغط المفاتيح بالإضافة إلى أنماط التفاعل الاجتماعي لتمييز سلوك المستخدم عبر Facebook.

تم التحقق من كفاءة ميزات ديناميكيات ضغط المفاتيح من خلال جمع وتحليل ضغطات المستخدم الحقيقية أثناء الاستخدام العادي لـ Facebook.

بينما تم التحقق من صحة السمات السلوكية الاجتماعية من خلال جمع وتحليل سجلات أفعال ونشاطات المستخدمين المتوفرة على Facebook.

تم تطبيق واختبار أربع مصنّفات تعلم آلية معروفة على البيانات المجمعة لتقييم قدرة النماذج المبتكرة في التمييز بين المستخدمين الشرعيين والمخترقين.

أشارت نتائج الأداء التجريبي لكل من النماذج القائمة على ديناميكيات ضغط المفاتيح وكذلك ا النماذج القائمة على السلوك الاجتماعي إلى أن نماذج التصنيف المبنية قادرة على التمييز بين المستخدم الشرعي والمخترق بمعدل دقة (Accuracy) تصل نسبته الى 90.8% تم الحصول عليه باستخدام النماذج القائمة على ديناميكيات ضغط المفاتيح.

ومعدل دقة (Accuracy تصل نسبته الى 99% تم الحصول عليه باستخدام النماذج القائمة على أنماط السلوك الاجتماعي.

وقد تبين من خلال إجراء التجارب أن نماذج التصنيف أدت بشكل أفضل في نهج كشف المخترقين مقارنة بنهج التوثيق المستمر، حيث حصلت النماذج القائمة على ديناميكيات ضغط المفاتيح على معدل قيم مقياس (Precision) تراوحت نسبه بين %.90 و %93، اضافة الى أن نتائج مقياس (Recall) تراوحت نسبها بين %92% و97%.

وكان للنماذج القائمة على أنماط السلوك الاجتماعي اداء مشابه حيث تراوح معدل قيم مقياس (Precision) ما بين 94% و100%، ومعدل قيم مقياس (Recall) ما بين 93% و100%.

الملخص الإنجليزي

Online Social Networks have become one of the key channels for social communication.

One of the main features that characterize most online social networks is that they are profile based services where a user needs to create an account to start using their services.

Such accounts or profiles are subject to several security and privacy threats.

Account breakthrough represents one of the most critical security threats to users as it violates account owner privacy and an imposter can exploit account information and pre-established connections to use it in a bad and abusive manner.

This thesis addresses the use of behavioral biometrics to detect intrusions on a Facebook account and authenticate users on a continuous manner.

In particular, keystroke dynamics features in addition to social interaction patterns are used to characterize user behavior over Facebook.

The efficiency of keystroke dynamics features are validated by collecting and analyzing real user keystrokes during their normal use of Facebook.

While social behavioral features are validated through collecting and analyzing same users Facebook activity logs.

Four well known machine learning classifiers including (Decision trees, Random Forest, Multi-Layer Perceptron neural networks, and Naïve Bayes) are applied and tested on collected data to evaluate the capability of built models in discriminating legitimate users from impostors.

Experimental performance results for both keystroke dynamics features as well as social behavioral features indicate that built classification models are able to discriminate a legitimate user from an impostor with 90.8% accuracy rate obtained using keystrokes based models and 99% accuracy rate obtained using social behavior based models.

It has been shown through conducting experiments that classification models perform better for detecting impostor than for continuous authentication approach, with precision values that range between 90% and 93% respectively, and recall values that range between 92% and 97% for the keystrokes based models.

The same inference with precision and recall results for the social behavior based models that ranges between 94% and 100% precision, and 93% and 100% recall.

التخصصات الرئيسية

تكنولوجيا المعلومات وعلم الحاسوب

الموضوعات

• أنظمة كشف التسلل(أمن الحاسوب)
• الفيسبوك(مصادر المعلومات الإلكترونية)

عدد الصفحات

70

قائمة المحتويات

• APA
• MLA
• AMA

لغة النص

الإنجليزية

نوع البيانات

رسائل جامعية

رقم السجل

BIM-833375