机构名称：
¥ 1.0
摘要 - 传统的两因素身份验证（2FA）的方法主要依赖于在身份验证过程中手动输入代码或令牌的用户。这可能是繁重且耗时的，尤其是对于必须经常认证的用户而言。为了应对这一挑战，我们提出了一种新颖的2FA AP-用机器学习（ML）做出的决策代替用户的输入，该决策不断以零努力来验证用户的身份。我们的系统利用与用户相关的独特环境特征，例如BEACON框架特征和接收的信号强度指示器（RSSI）值，从WI-FI访问点（APS）。这些功能由我们的ML算法实时收集和分析，以确定用户的身份。为了增强安全性，我们的系统要求将用户的两个设备（即登录设备和移动设备）放置在预定的接近性中，然后才能授予访问权限。这种预防措施确保未经授权的用户也无法访问敏感信息或系统，即使使用正确的登录凭据。通过实验，我们证明了基于信标框架特征和RSSI值确定用户设备位置的有效性，获得了92.4％的精度。此外，我们进行了全面的安全分析实验，以评估所提出的2FA系统对各种网络攻击的弹性。我们的发现表明，面对这些威胁，该系统表现出可靠性和可靠性。我们系统的可伸缩性，灵活性和适应性为寻求安全便捷的身份验证系统的组织和用户提供了有希望的选择。
利用基于Wi-Fi的机器学习...
主要关键词
相关文件推荐
