PASSREFINDER: Credential Stuffing Risk Prediction by Representing PasswordReuse between Websites on

【学习占坑】凭据填充现象的盛行对网络用户造成了毁灭性的伤害,因为他们往往会在不同的网站上重复使用密码。为此，研究人员努力检测设置相同密码或恶意登录的用户。然而，现有的检测方法抑制了密码创建或网站访问,牺牲了密码的可用性。此外，复杂的账户信息共享机制也阻碍了这些方法的实际应用。在这项工作中，我们提出了一个风险预测框架，以在干扰用户行为之前防止凭据填充攻击，而不是依赖子检测。为此，我们新定义了用户极有可能重复使用密码的网站之间的关系，并使用图神经网络将其表示为网站图上的一条边。然后，我们执行链接预测任务，以识别网站之间的凭证填充风险。通过利用公共网站信息和将新观察到的网站节点链接到图中,我们的框架适用于大量任意网站。在由22,378 个网站的3.6 亿个账户组成的真实世界凭证数据集上进行的评估表明，我们的模型成功预测了网站间的凭证填充风险，在两种不同的图学习设置下，F1分数分别达到了0.9559 和 0.9100。此外，我们还展示了每种设计策略的有效性，并验证了可以利用预测结果将密码重用的预期比率量化为风险分数。