MétaCan
Menu
Retour à la cohorte
Enregistrement W4396519850 · doi:10.22215/etd/2024-15946

User Privacy in OAuth-Based Single Sign-On Systems

2024· dissertation· en· W4396519850 sur OpenAlexaff
Srivathsan Morkonda Gnanasekaran

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineComputer Science
ThématiqueUser Authentication and Security Systems
Établissements canadiensUniversity of GuelphCarleton University
Organismes subventionnairesnon disponible
Mots-clésLoginComputer scienceWorld Wide WebSingle sign-onPasswordComputer securityImplementationAuthentication (law)Internet privacy

Résumé

récupéré en direct d'OpenAlex

Web Single Sign-On (SSO) login is a popular alternative to password-based login in current authentication systems.SSO services enable users to use accounts registered with identity providers (IdPs) such as Google and Facebook to login on multiple relying party (RP) websites.Common web SSO deployments are based on the OAuth 2.0 authorization standard which enables RPs to both authenticate users and access a subset of a user's personal information from an IdP.This thesis pursues three goals related to user privacy in OAuth-based web SSO implementations.First, we build OAuthScope, a tool that extracts OAuth protocol data from RP sites.We use it to conduct an empirical investigation of privacy implications for users of OAuth implementations in RP websites most visited by users across five countries.We categorize user data made available by four IdPs (Google, Facebook, Apple, and LinkedIn) and evaluate the types of user data accessed by RPs through these IdPs.Our results reveal

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,823
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,023
Tête enseignante GPT0,272
Écart entre enseignants0,249 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetUser Authentication and Security SystemsTravaux en français237 207