TW201626281A - 資訊系統認證之方法 - Google Patents

Abstract

本發明係為一種資訊系統認證之方法，其藉由一網路設備連線至一資訊系統並進行帳號密碼驗證成功登入，資訊系統收集當前環境特徵資料並放入環境安全決策模組中，判斷是否需進行二次驗證登入，當需進行二次驗證登入時，資訊系統顯示一二次驗證登入畫面並透過一二次驗證登入組合之方式進行二次驗證登入，資訊系統顯示二次驗證登入之結果，藉此在一次性帳號密碼驗證登入與二次驗證登入之間自動的做選擇，以控管用戶登入之安全及兼具用戶登入之便利性。

Description

資訊系統認證之方法

本發明係關於一種資訊系統認證之方法，其依據當下資訊系統之各項環境安全狀態，可以自動判斷是否要進行二次驗證登入之資訊系統認證之方法。

用戶驗證登入技術是任何一個資訊系統的基本功能，特別是針對一些涉及到金融交易或個人資訊相關服務的網站來說，用戶驗證登入技術之安全性顯得相當重要。

習知的網站驗證登入方式主要是透過在用戶裝置的顯示界面上輸入用戶帳號與密碼來進行一次性驗證登入，但這種驗證登入方式太過簡單容易被破解，相當的不安全，現今的網路環境中，各式各樣的木馬病毒與間諜程式橫行肆虐，相當隱密難以發現，網路駭客經常在用戶毫無察覺的情況下竊取用戶之資料，造成用戶之隱私受到侵犯以及用戶財產之損失。

因此，網站驗證登入技術相當的重要，習知的網站驗證登入技術並未判斷當下資訊系統之各項環境安全狀態，無論用戶是在網咖此種網路資訊曝露高風險的地方上網登入資訊系統，或用戶只是在家中及公司單純的上網登入資訊系統，皆使用同樣的一次性驗證登入方式來登入資訊系統，其在安全性上有很大的漏洞，並未保障用戶登入資訊系統之安全， 也因此讓用戶在使用網路服務時具有相當高之風險。

有鑑於上述習知技藝之缺失，實有改善之必要，本創作人乃不斷尋求解決之道，終創作出此一更加精良及實用之資訊系統認證之方法，期能造福社會大眾。

本發明利用機器學習方式建立一環境安全決策模組並結合專屬當前環境特徵資料，協助資訊系統配置一種安全登入機制模式，藉由環境安全決策模組判斷當前資訊系統之各項環境安全狀態，在一次性帳號密碼驗證登入與二次驗證登入之間自動做選擇，藉以強化網路資訊安全，達到保障用戶資料及兼具用戶登入之便利性。

本發明提供一種資訊系統認證之方法，其包含藉由一網路設備連線至一資訊系統後，進行第一次帳號密碼驗證成功登入，並藉由此資訊系統收集至少一個當前環境特徵資料，將至少一個當前環境特徵資料作為判斷進入此資訊系統所建立之環境安全決策模組判斷之依據。

其中此資訊系統將至少一個當前環境特徵資料放入此環境安全決策模組中，藉以判斷是否需要進行二次驗證登入，當此環境安全決策模組判斷認為不需要進行二次驗證登入時，此資訊系統顯示出登入之結果，當此環境安全決策模組判斷認為需要進行二次驗證登入時，此資訊系統顯示出一個二次驗證登入畫面。

在此二次驗證登入畫面中透過一二次驗證登入組合之方式進行二次驗證登入，最後此資訊系統顯示出二次驗證登入的結果，其中此二次驗證登入組合包含動態密碼、動態鍵盤、圖形驗證、指紋或虹膜或聲 音辨識、智慧卡憑證插卡、識別身份的徽章、PIN碼、USB碟、安全令牌其中之一或多種之組合。

其中環境安全決策模組之建立步驟流程如下：收集至少一個當前環境特徵資料，其中至少一個當前環境特徵資料包含此資訊系統之網路所在環境為開放式環境或封閉式環境、此資訊系統之網路架構所在環境為公網或內網、此資訊系統之系統目錄、此資訊系統每周或每月或每年之連線用戶總量與當下用戶流量、此資訊系統之資訊安全防毒軟體每周或每月或每年之風險值、此資訊系統每周或每月或每年之被攻擊次數、此資訊系統是否設定代理伺服器或防火牆、此資訊系統是否屬於前端具有資訊安全防蔽機制環境、此資訊系統之目前日期是否為重大節慶或影響系統繁忙運作之日、此資訊系統級別是否為特級系統或一般系統之等級紀錄、此資訊系統嘗試登入錯誤之歷史資訊情境標記的其中之一或任二者以上之組合。

將收集到的至少一個當前環境特徵資料根據至少一個當前環境特徵資料的特性進行正規化處理後，以向量集合表示。

將比較選擇出至少一個當前環境特徵資料所適用的監督式學習分類器，其中此監督式學習分類器為決策樹、支持向量機、類神經網路、線性分類器、貝氏分類器或高斯混合模型。

透過迭代方式估測出此監督式學習分類器的內部參數值，並透過設定一收斂門檻值或一迭代次數，藉以控制訓練時間與準確度。

當網路設備連線至資訊系統後，此資訊系統經過一段時間收集至少一個當前環境特徵資料，並將至少一個當前環境特徵資料透過此監督式學習分類 器進行預測。

根據估測信心度與此監督式學習分類器所預測的結果來決定是否進行二次驗證登入。

本發明提供另一種資訊系統認證之方法，其包含透過一資訊系統收集至少一個當前環境特徵資料，將至少一個當前環境特徵資料作為判斷進入資訊系統所建立之環境安全決策模組判斷之依據，其中資訊系統將至少一個當前環境特徵資料放入環境安全決策模組中，藉此判斷是否需要進行二次驗證登入，當環境安全決策模組判斷認為不需要進行二次驗證登入時，透過一網路設備連線至資訊系統並進行第一次帳號密碼驗證登入，以及資訊系統顯示出登入之結果。

當環境安全決策模組判斷認為需要進行二次驗證登入時，資訊系統顯示出一個二次驗證登入畫面，在二次驗證登入畫面中透過一二次驗證登入組合之方式進行二次驗證登入，最後此資訊系統顯示出二次驗證登入的結果，其中二次驗證登入組合包含動態密碼、動態鍵盤、圖形驗證、指紋或虹膜或聲音辨識、智慧卡憑證插卡、識別身份的徽章、PIN碼、USB碟、安全令牌其中之一或多種之組合。

其中環境安全決策模組之建立步驟流程如下：收集至少一個當前環境特徵資料，其中至少一個當前環境特徵資料包含資訊系統之網路所在環境為開放式環境或封閉式環境、資訊系統之網路架構所在環境為公網或內網、資訊系統之系統目錄、資訊系統每周或每月或每年之連線用戶總量與當下用戶流量、資訊系統之資訊安全防毒軟體每周或每月或每年之風險值、資訊系統每周或每月或每年之被攻擊次數、資訊系 統是否設定代理伺服器或防火牆、資訊系統是否屬於前端具有資訊安全防蔽機制環境、資訊系統之目前日期是否為重大節慶或影響系統繁忙運作之日、資訊系統級別是否為特級系統或一般系統之等級紀錄、資訊系統嘗試登入錯誤之歷史資訊情境標記的其中之一或任二者以上之組合。

將收集到的至少一個當前環境特徵資料根據至少一個當前環境特徵資料的特性進行正規化處理後，以向量集合表示。

將比較選擇出至少一個當前環境特徵資料所適用的監督式學習分類器，其中監督式學習分類器為決策樹、支持向量機、類神經網路、線性分類器、貝氏分類器或高斯混合模型。

透過迭代方式估測出此監督式學習分類器的內部參數值，並透過設定一收斂門檻值或一迭代次數，藉以控制訓練時間與準確度。

網路設備連線至資訊系統後，資訊系統經過一段時間收集至少一個當前環境特徵資料，並將至少一個當前環境特徵資料透過監督式學習分類器進行預測。

根據估測信心度與監督式學習分類器所預測的結果來決定是否進行二次驗證登入。

本發明之資訊系統認證之方法，其具有下列多項優點：

1、本發明利用機器學習方式建立一環境安全決策模組並結合專屬當前環境特徵資料，協助資訊系統配置一種安全登入機制模式，藉由環境安全決策模組判斷當前資訊系統之各項環境安全狀態，在一次性帳號密碼驗證登入與二次驗證登入組合方式驗證登入之間做選擇，讓資訊系統可利用此環境安全決策模組於登入資訊系統當下即自動判斷出是否需要繼續進行二次驗 證登入以兼顧用戶登入之安全性及便利性。

2、本發明之技術加強保障用戶登入資訊系統之安全性，讓用戶在存取網路資源時，能避免受到網路駭客的侵入或盜用，進而避免用戶財產之損失。

S101~S107‧‧‧步驟流程

S201~S207‧‧‧步驟流程

S301~S306‧‧‧步驟流程

401‧‧‧斜線

第1圖為本發明之資訊系統認證之方法之流程圖。

第2圖為本發明之另一資訊系統認證之方法之流程圖。

第3圖為本發明之環境安全決策模組建立之流程圖。

第4圖為本發明之資訊系統連線用戶總量與資訊系統當下用戶流量之關係圖。

為利 貴審查員瞭解本發明之技術特徵、內容與優點及其所能達成之功效，茲將本發明配合附圖，並以實施例之表達形式詳細說明如下，而其中所使用之圖式，其主旨僅為示意及輔助說明書之用，未必為本發明實施後之真實比例與精準配置，故不應就所附之圖式的比例與配置關係解讀、侷限本發明於實際實施上的權利範圍，合先敘明。

請參閱第1圖所示，為本發明之資訊系統認證之方法流程圖，如圖所示，其步驟流程包含：

S101：藉由一網路設備連線至一資訊系統後，在一個驗證登入畫面中透過帳號密碼進行第一次驗證成功登入。

S102：藉由此資訊系統收集至少一個當前環境特徵資料，將至少一個當前環境特徵資料作為判斷進入此資訊系統運用機器學習方式所建立之環境安 全決策模組判斷之依據。

S103：藉由此資訊系統將至少一個當前環境特徵資料放入此環境安全決策模組中，協助資訊系統配置一種安全登入機制模式，藉此環境安全決策模組可在登入資訊系統當下即判斷出是否需要繼續進行二次驗證登入。

S104：當此環境安全決策模組判斷認為不需要進行二次驗證登入時，此資訊系統顯示出登入之結果。

S105：當此環境安全決策模組判斷認為需要進行二次驗證登入時，此資訊系統顯示出一個二次驗證登入畫面。

S106：在此二次驗證登入畫面中透過一二次驗證登入組合之方式進行二次驗證登入，其中此二次驗證登入組合包含動態密碼、動態鍵盤、圖形驗證、指紋或虹膜或聲音辨識、智慧卡憑證插卡、識別身份的徽章、PIN碼、USB碟、安全令牌其中之一或多種之組合。

S107：最後此資訊系統顯示出二次驗證登入的結果，藉由此二次驗證登入組合之方式可加強保障用戶登入資訊系統之安全性，讓用戶在存取網路資源時，能避免受到網路駭客的侵入或盜用，進而避免用戶財產之損失。

請參閱第2圖所示，為本發明之另一資訊系統認證之方法流程圖，如圖所示，其步驟流程包含：

S201：透過一資訊系統收集至少一個當前環境特徵資料，將至少一個當前環境特徵資料作為判斷進入資訊系統運用機器學習方式所建立之環境安全決策模組判斷之依據。

S202：藉由資訊系統將至少一個當前環境特徵資料放入環境安全決策模組中，協助資訊系統配置一種安全登入機制模式，利用環境安全決策模組在 登入資訊系統當下即判斷出是否需要進行二次驗證登入。

S203：當環境安全決策模組判斷認為不需要進行二次驗證登入時，透過一網路設備連線至資訊系統後，在一個驗證登入畫面中藉由帳號密碼進行第一次驗證登入。

S204：資訊系統顯示出第一次驗證登入之結果。

S205：當環境安全決策模組判斷認為需要進行二次驗證登入時，資訊系統顯示出一個二次驗證登入畫面。

S206：在二次驗證登入畫面中透過一二次驗證登入組合之方式進行二次驗證登入，其中二次驗證登入組合包含動態密碼、動態鍵盤、圖形驗證、指紋或虹膜或聲音辨識、智慧卡憑證插卡、識別身份的徽章、PIN碼、USB碟、安全令牌其中之一或多種之組合。

S207：最後資訊系統顯示出二次驗證登入的結果，藉由二次驗證登入組合之方式可加強保障用戶登入資訊系統之安全性，讓用戶在存取網路資源時，能避免受到網路駭客的侵入或盜用，進而避免用戶財產之損失。

請參閱第3圖所示，其中第3圖為本發明之環境安全決策模組建立之流程圖，其中環境安全決策模組之建立步驟流程如下：

S301：收集至少一個當前環境特徵資料。

S302：定義特徵，將收集到的至少一個當前環境特徵資料根據其特性進行正規化處理後，用向量集合表示。

S303：選擇分類器，比較選擇出至少一個當前環境特徵資料所適用的監督式學習分類器，藉此可達到較佳的分類效果。

S304：訓練分類器，透過迭代方式估測出此監督式學習分類器的內部參數 值，並透過設定一收斂門檻值或一迭代次數，藉以控制訓練時間與準確度。

S305：新資料評估，當用戶透過網路設備連線至資訊系統後，資訊系統經過一段時間收集至少一個當前環境特徵資料，並將至少一個當前環境特徵資料透過監督式學習分類器進行預測。

S306：產生決策方法，根據估測信心度與監督式學習分類器所預測的結果來決定是否進行二次驗證登入。

其中流程S301：收集至少一個當前環境特徵資料包含收集資訊系統之網路所在環境為開放式環境或封閉式環境、資訊系統之網路架構所在環境為公網或內網、資訊系統之系統目錄、資訊系統每周或每月或每年之連線用戶總量與當下用戶流量、資訊系統之資訊安全防毒軟體每周或每月或每年之風險值、資訊系統每周或每月或每年之被攻擊次數、資訊系統是否設定代理伺服器或防火牆、資訊系統是否屬於前端具有資訊安全防蔽機制環境、資訊系統之目前日期是否為重大節慶或影響系統繁忙運作之日、資訊系統級別是否為特級系統或一般系統之等級紀錄、資訊系統嘗試登入錯誤之歷史資訊情境標記的其中之一或任二者以上之組合。

其中流程S302：定義特徵包含網路所在環境為開放式環境或封閉式環境，其參數為布林值，資訊系統連線用戶總量與資訊系統當下用戶流量其參數為整數，請參閱下表1所示，其中收集到的至少一個當前環境特徵資料為資訊系統連線用戶總量與資訊系統當下用戶流量，並記錄資訊系統是否使用動態密碼，而使用動態密碼以〝1〞表示，未使用動態密碼則以〝0〞表示。

其中流程S303：選擇分類器包含比較選擇出至少一個當前環境特徵資料所適用的一線性分類器，其形式為a1．x1+a2．x2+b，其中x1為資訊系統連線用戶總量，x2為資訊系統當下用戶流量，a1、a2與b為可訓練參數，其中監督式學習分類器為決策樹、支持向量機、類神經網路、線性分類器、貝氏分類器或高斯混合模型。

其中流程S304：訓練分類器包含透過迭代方式估測出此線性分類器的可訓練參數，並將此線性分類器的可訓練參數進行訓練，找出此線性分類器所對應的一組參數，請參閱第4圖所示，其中第4圖為本發明之資訊系統連線用戶總量與資訊系統當下用戶流量之關係圖，藉由此參數可將線性分類器之資料點分為資訊系統使用動態密碼類別與資訊系統未使用動態密碼，其中資料點之形狀分為方形(■)與圓形(●)，方形(■)為使用動態 密碼類別，圓形(●)為未使用動態密碼，及藉由此參數可將線性分類器依形式a1．x1+a2．x2+b繪製符合形式a1．x1+a2．x2+b之斜線401，並將關係圖分割成資訊系統使用動態密碼類別與資訊系統未使用動態密碼類別，當資料點符合a1．x1+a2．x2>b形式時為斜線401上方之資訊系統使用動態密碼類別，當資料點符合a1．x1+a2．x2≦b形式時為斜線401下方之資訊系統未使用動態密碼類別，藉此以控制訓練時間與準確度。

其中流程S305：新資料評估包含將收集到的至少一個當前環境特徵資料透過線性分類器進行預測，以判斷資料點符合a1．x1+a2．x2>b形式或a1．x1+a2．x2≦b形式，藉此決定資訊系統是否使用動態密碼之功能。

其中流程S306：產生決策方法包含根據估測信心度與線性分類器所預測的結果來決定是否進行二次驗證登入。

以上所述僅為舉例性，而非為限制性者。任何未脫離本發明之精神與範疇，而對其進行之等效修改或變更，均應包含於後附之申請專利範圍中。

S101~S107‧‧‧步驟流程

Claims (8)

1. 一種資訊系統認證之方法，其包含下列步驟：一網路設備連線至一資訊系統並進行第一次帳號密碼驗證成功登入；該資訊系統收集至少一當前環境特徵資料，將各該當前環境特徵資料作為判斷進入該資訊系統所建立之一環境安全決策模組判斷之依據；該資訊系統將各該當前環境特徵資料放入該環境安全決策模組判斷是否需要進行二次驗證登入；當該環境安全決策模組判斷出不需要進行二次驗證登入時，該資訊系統顯示登入之結果；當該環境安全決策模組判斷出需要進行二次驗證登入時，該資訊系統顯示一二次驗證登入畫面；於該二次驗證登入畫面中透過一二次驗證登入組合進行二次驗證登入；以及該資訊系統顯示二次驗證登入之結果。
2. 如申請專利範圍第1項所述之資訊系統認證之方法，其中該環境安全決策模組之建立流程如下：收集各該當前環境特徵資料，其中各該當前環境特徵資料係包含該資訊系統之網路所在環境為開放式環境或封閉式環境、該資訊系統之網路架構所在環境為公網或內網、該資訊系統之系統目錄、該資訊系統每周或每月或每年之連線用戶總量與當下用戶流量、該資訊系統之資訊安全防毒軟體每周或每月或每年之風險值、該資訊系統每周或每月或每年之被攻擊次數、該資訊系統是否設定代理伺服器或防火牆、該資訊系統是否屬於前端具有資訊安全防蔽機制環境、該資訊系統之目前日期是否為重大節慶或影響系統繁忙運作之日、該資訊系統級別是否為特級系統或一般系統之等級紀錄、該資訊系統嘗試登入錯誤之歷史資訊情境標記的其中之一或任二者以上之組合； 將收集到的各該當前環境特徵資料根據各該當前環境特徵資料之特性進行正規化處理後，以向量集合表示；比較選擇出各該當前環境特徵資料所適用之一監督式學習分類器；透過迭代方式估測出該監督式學習分類器的內部參數值，並透過設定一收斂門檻值或一迭代次數，藉以控制訓練時間與準確度；當該網路設備連線至該資訊系統後，該資訊系統經過一段時間收集各該當前環境特徵資料，並將各該當前環境特徵資料透過該監督式學習分類器進行預測；根據估測信心度與該監督式學習分類器所預測之結果以決定是否進行二次驗證登入。
3. 如申請專利範圍第1項所述之資訊系統認證之方法，其中該二次驗證登入組合係包含該動態密碼、動態鍵盤、圖形驗證、指紋或虹膜或聲音辨識、智慧卡憑證插卡、識別身份的徽章、PIN碼、USB碟、安全令牌其中之一或多種之組合。
4. 如申請專利範圍第2項所述之資訊系統認證之方法，其中該監督式學習分類器係為決策樹、支持向量機、類神經網路、線性分類器、貝氏分類器或高斯混合模型。
5. 一種資訊系統認證之方法，其包含下列步驟：一資訊系統收集至少一當前環境特徵資料，將各該當前環境特徵資料作為判斷進入該資訊系統所建立之一環境安全決策模組判斷之依據；該資訊系統將各該當前環境特徵資料放入該環境安全決策模組判斷是否需要進行二次驗證登入；當該環境安全決策模組判斷出不需要進行二次驗證登入時，一網路設備連線至該資訊系統並進行第一次帳號密碼驗證登入；該資訊系統顯示登入之結果；當該環境安全決策模組判斷出需要進行二次驗證登入時，該資訊系統顯示一二次驗證登入畫面；於該二次驗證登入畫面中透過一二次驗證登入組合進行二次驗證登入；以及 該資訊系統顯示二次驗證登入之結果。
6. 如申請專利範圍第5項所述之資訊系統認證之方法，其中該環境安全決策模組之建立流程如下：收集各該當前環境特徵資料，其中各該當前環境特徵資料係包含該資訊系統之網路所在環境為開放式環境或封閉式環境、該資訊系統之網路架構所在環境為公網或內網、該資訊系統之系統目錄、該資訊系統每周或每月或每年之連線用戶總量與當下用戶流量、該資訊系統之資訊安全防毒軟體每周或每月或每年之風險值、該資訊系統每周或每月或每年之被攻擊次數、該資訊系統是否設定代理伺服器或防火牆、該資訊系統是否屬於前端具有資訊安全防蔽機制環境、該資訊系統之目前日期是否為重大節慶或影響系統繁忙運作之日、該資訊系統級別是否為特級系統或一般系統之等級紀錄、該資訊系統嘗試登入錯誤之歷史資訊情境標記的其中之一或任二者以上之組合；將收集到的各該當前環境特徵資料根據各該當前環境特徵資料之特性進行正規化處理後，以向量集合表示；比較選擇出各該當前環境特徵資料所適用之一監督式學習分類器；透過迭代方式估測出該監督式學習分類器的內部參數值，並透過設定一收斂門檻值或一迭代次數，藉以控制訓練時間與準確度；當該網路設備連線至該資訊系統後，該資訊系統經過一段時間收集各該當前環境特徵資料，並將各該當前環境特徵資料透過該監督式學習分類器進行預測；根據估測信心度與該監督式學習分類器所預測之結果以決定是否進行二次驗證登入。
7. 如申請專利範圍第5項所述之資訊系統認證之方法，其中該二次驗證登入組合係包含該動態密碼、動態鍵盤、圖形驗證、指紋或虹膜或聲音辨識、智慧卡憑證插卡、識別身份的徽章、PIN碼、USB碟、安全令牌其中之一或多種之組合。
8. 如申請專利範圍第5項所述之資訊系統認證之方法，其中該監督式學習分類器係為決策樹、支持向量機、類神經網路、線性分類器、貝氏分類器或高斯混合模型。