Many widely used Internet messaging and calling apps, such as WhatsApp, Viber, Telegram, and Signal, have deployed an end-to-end encryption functionality. To defeat potential MITM attackers against the key exchange protocol, the approach relies on users to perform a code verification task whereby each user must compare the code (a fingerprint of the cryptographic keys) computed by her app with the one computed by the other user's app and reject the session if the two do not match. In this paper, we study the security and usability of this human-centered code verification task for a setting where the end users are remotely located, and compare it as a baseline to a less frequent scenario where the users are in close proximity. We consider several variations of the code presentation and verification methods, incorporated into representative real-world apps, including codes encoded as numbers or images, displayed on the screen, and verbally spoken by the users. We perform a human factors study in a lab setting to quantify the security and usability of these different methods. Our study results expose key weaknesses in the security and usability of the code verification methods employed in the apps. First, we show that most code verification methods offer poor security (high false accepts) and low usability (high false rejects and low user experience ratings) in the remote setting. Second, we demonstrate that, security and usability under the remote code verification setting is significantly lower than that in the proximity setting. We attribute this result to the increased cognitive overhead associated with comparing the codes across two apps on the same device (remote setting) rather than across two devices (proximity setting). Overall, our work serves to highlight a serious vulnerability of Internet-based communication apps in the remote setting stemming from human errors.


翻译:许多广泛使用的互联网讯息和调用应用程序,例如“WhesApp”、“Viber”、“Telegram”和“Signal”等,都安装了终端到终端加密功能。为了在关键交换协议中击败潜在的MITM攻击者,该方法依靠用户执行代码核查任务,即每个用户必须将用其应用程序计算的代码(加密钥匙的指纹)与用另一个用户的应用程序计算出来的代码进行比较,如果两者不匹配,则拒绝会议。在本文中,我们研究了这一以人为中心的代码核查任务的安全和可用性,以远程用户所在地为位置,并将它作为基线,作为用户距离很近的较不频繁的场景。我们考虑将代码列报和核查方法的几种变异性纳入具有代表性的现实世界应用程序,包括以数字或图像编码计算出来的代码,如果两个用户的应用程序不匹配。我们在实验室环境中进行一项人类因素研究,以量化这些不同方法的安全和可用性。我们的研究结果揭示了在远程用户定位中使用的代码的安全和可用性方面的关键弱点,将它作为基准,将它作为基准,作为基准,将它作为基准,而用户接近于用户的比较接近的比较接近于用户的比较接近的基线,我们最接近的代码。我们开始显示的代码,我们最低的代码,我们开始显示的代码,在远程加密的代码, 显示的精确的精确的代码是低的精确性。我们比较的精确性。我们比较的精确性,我们最低的代码是低的精确性, 。我们开始显示的精确性,在服务器的精确性。在低的精确性。在低的精确性。我们比较性,在低的代码,在低的精确性,在低级的代码在低级性在低级度的精确性,我们比较的精确性,我们比较的精确性,我们比较性在低级的精确性,我们最深级中显示的精确性, 。在精确性, 。在精确性在低级的系统的精确性,我们最低级中显示的精确性,我们最低级中显示的精确性在低级的代码在低级中显示的精确性,我们在低级的精确性,我们最低级的精确性。在低级中,我们在低级的精确性,我们在低级的精确性,在低级

0
下载
关闭预览

相关内容

【微众银行】联邦学习白皮书_v2.0,48页pdf,
专知会员服务
168+阅读 · 2020年4月26日
强化学习最新教程,17页pdf
专知会员服务
180+阅读 · 2019年10月11日
[综述]深度学习下的场景文本检测与识别
专知会员服务
78+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
104+阅读 · 2019年10月9日
人工智能 | ISAIR 2019诚邀稿件(推荐SCI期刊)
Call4Papers
6+阅读 · 2019年4月1日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
人工智能 | 国际会议截稿信息9条
Call4Papers
4+阅读 · 2018年3月13日
计算机视觉近一年进展综述
机器学习研究会
9+阅读 · 2017年11月25日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
【今日新增】IEEE Trans.专刊截稿信息8条
Call4Papers
7+阅读 · 2017年6月29日
The Measure of Intelligence
Arxiv
7+阅读 · 2019年11月5日
Interpretable Adversarial Training for Text
Arxiv
5+阅读 · 2019年5月30日
Feature Denoising for Improving Adversarial Robustness
Arxiv
15+阅读 · 2018年12月9日
Arxiv
16+阅读 · 2018年2月7日
Arxiv
10+阅读 · 2018年2月4日
Arxiv
3+阅读 · 2017年12月23日
VIP会员
相关资讯
人工智能 | ISAIR 2019诚邀稿件(推荐SCI期刊)
Call4Papers
6+阅读 · 2019年4月1日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
人工智能 | 国际会议截稿信息9条
Call4Papers
4+阅读 · 2018年3月13日
计算机视觉近一年进展综述
机器学习研究会
9+阅读 · 2017年11月25日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
【今日新增】IEEE Trans.专刊截稿信息8条
Call4Papers
7+阅读 · 2017年6月29日
相关论文
Top
微信扫码咨询专知VIP会员