Hoofdstuk 2: Authentication

Question 1

Wat is MFA

Answer 1

Multifactorauthenticatie
Op meer dan één manier (factor) je identiteit bewijzen.

Question 2

Wat is 2FA?

Answer 2

Two factor authentication, word ook tweestapsverificatie genoemd.

Question 3

Wat zijn mogelijke factoren voor MFA?

Answer 3

• Iets dat je weet
• Iets dat je hebt
• Iets dat je bent
• Waar je bent (geolocatie of IP)
• Tijd, wanneer je toegang vraagt

Question 4

Noem enkele bekende voorbeelden van MFA

Answer 4

• PIN + bankkaart
• Code via email of SMS + wachtwoord
• RSA token + wachtwoord

Question 5

Hoe noemen wij het authenticeren van iemand op hun gedrag?

Answer 5

Behavior authentication.

Question 6

Waar word er gebruik van gemaakt als men gaat authenticeren op iemand’s gedrag?

Answer 6

Bij behavior authentication word er gebruik gemaakt van machine learning.
- De gebruiker wordt gecontroleerd op basis van onregelmatigheden in gedrag.

Question 7

Hoe noemen wij het authenticeren van “something that you are”?

Answer 7

Behavioral authentication. Dit is authentication op basis van jouw biometrische data.

Question 8

Wat is het voordeel van authenticatie op iemand’s gedrag?

Answer 8

• Bij behavior authentication word er continue gemonitord.
  Een aanvaller kan dus niet een openstaande sessie overnemen.
• Indien er onregelmatigheden worden gespot, dan worden deze gerapporteerd.

Question 9

Geef enkele voorbeelden van authentication op “something that you are”

Answer 9

Behavioral authentication voorbeelden:
- Voice recognition
- Face recognition
- Fingerprint scan
- Eye scan
- Keystroke authentication
- …

Question 10

Wat is machine learning?

Answer 10

Machine learning is een tak van kunstmatige intelligentie die systemen in staat stelt om patronen te leren en verbeteren zonder expliciete programmering. Het stelt machines in staat om gegevens te analyseren, patronen te identificeren en voorspellingen te doen, waardoor ze zichzelf kunnen verbeteren door ervaring.

Question 11

Wat wordt bedoeld met “Raw input” in het kader van machine learning?

Answer 11

Raw input verwijst naar de oorspronkelijke gemeten data, zoals een foto van het gezicht of een geregistreerde geluidsgolf.

Question 12

Wat is het doel van “Pre processing” in machine learning?

Answer 12

Pre-processing filtert foutieve metingen uit de raw input, bijvoorbeeld het verwijderen van ruis in een audiofragment of vlekken in een afbeelding.

Question 13

Wat is “Feature-extraction” en welke rol speelt het in machine learning?

Answer 13

Feature extraction is het proces dat raw data omzet in een feature vector, een computertaal-beschrijving van de data die begrijpelijk is voor modellen of computers.

Question 14

Wat gebeurt er tijdens het trainen van een machine learning model met betrekking tot feature vectors?

Answer 14

Feature vectors worden opgeslagen tijdens het trainen van een machine learning model.

Question 15

Hoe neemt een getraind machine learning model beslissingen?

Answer 15

Een getraind model maakt beslissingen door nieuwe inlogpogingen te vergelijken met feature vectors die tijdens de training zijn verzameld. Als de nieuwe data genoeg overeenkomt, wordt de inlogpoging goedgekeurd.

Question 16

Wat zijn de stappen in machine learning, van raw input tot besluitvorming, zoals beschreven in het kader van Authentication in de Cybersecurity Cube?

Answer 16

De stappen omvatten raw input (originele gemeten data), pre-processing (filtreren van foutieve metingen), feature extraction (omzetten naar feature vector), opslaan van feature vectors tijdens training, en uiteindelijk het maken van beslissingen door nieuwe data te vergelijken met de tijdens training verzamelde feature vectors.