With the rapid growth of online services, the number of online accounts proliferates. The security of a single user account no longer depends merely on its own service provider but also the accounts on other service platforms(We refer to this online account environment as Online Account Ecosystem). In this paper, we first uncover the vulnerability of Online Account Ecosystem, which stems from the defective multi-factor authentication (MFA), specifically the ones with SMS-based verification, and dependencies among accounts on different platforms. We propose Chain Reaction Attack that exploits the weakest point in Online Account Ecosystem and can ultimately compromise the most secure platform. Furthermore, we design and implement ActFort, a systematic approach to detect the vulnerability of Online Account Ecosystem by analyzing the authentication credential factors and sensitive personal information as well as evaluating the dependency relationships among online accounts. We evaluate our system on hundreds of representative online services listed in Alexa in diversified fields. Based on the analysis from ActFort, we provide several pragmatic insights into the current Online Account Ecosystem and propose several feasible countermeasures including the online account exposed information protection mechanism and the built-in authentication to fortify the security of Online Account Ecosystem.


翻译:随着在线服务的迅速增长,在线账户的数量激增。单一用户账户的安全性不再仅仅取决于其自身的服务提供商,还取决于其他服务平台上的账户。在本文件中,我们首先发现在线账户生态系统的脆弱性,其原因是多要素认证存在缺陷,特别是基于短信的验证,以及不同平台账户之间的依赖性。我们提议利用在线账户生态系统中最薄弱的点进行链路反应攻击,最终可能损害最安全的平台。此外,我们设计和实施ActFort,这是通过分析认证识别因素和敏感个人信息以及评估在线账户之间的依赖关系来发现在线账户生态系统脆弱性的系统方法。我们评估了我们在多样化领域Alexa所列的数百个具有代表性的在线服务的系统。根据AcFort的分析,我们对当前在线账户生态系统提供了若干务实的见解,并提出若干可行的对策,包括在线账户披露的信息保护机制和内部认证,以加强在线账户生态系统的安全。

0
下载
关闭预览

相关内容

《计算机信息》杂志发表高质量的论文,扩大了运筹学和计算的范围,寻求有关理论、方法、实验、系统和应用方面的原创研究论文、新颖的调查和教程论文,以及描述新的和有用的软件工具的论文。官网链接:https://pubsonline.informs.org/journal/ijoc
【快讯】CVPR2020结果出炉,1470篇上榜, 你的paper中了吗?
Stabilizing Transformers for Reinforcement Learning
专知会员服务
59+阅读 · 2019年10月17日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
最新BERT相关论文清单,BERT-related Papers
专知会员服务
52+阅读 · 2019年9月29日
已删除
创业邦杂志
5+阅读 · 2019年3月27日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Arxiv
1+阅读 · 2021年6月10日
Arxiv
92+阅读 · 2020年2月28日
VIP会员
相关资讯
已删除
创业邦杂志
5+阅读 · 2019年3月27日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Top
微信扫码咨询专知VIP会员