[論文レビュー] Contextual Proximity Detection in the Face of Context-Manipulating Adversaries.

Babins Shrestha, Nitesh Saxena+2 more|arXiv (Cornell University)|Nov 3, 2015

User Authentication and Security Systems参考文献 22被引用数 7

ひとこと要約

この論文は、モバイル認証におけるリレーアタック防止に用いられる文脈的接近検出の脆弱性について、文脈を操作する攻撃者を想定して調査している。低価格のデバイスを用いることで、攻撃者は音響的および物理的センサーを一貫して操作可能であり、これにより特徴統合および意思決定統合の両方の機械学習的手法が損なわれるが、一部のシナリオでは意思決定統合手法がより高い耐性を示す。

ABSTRACT

Contextual proximity detection (or, co-presence detection) is a promising approach to defend against relay attacks in many mobile authentication systems. We present a systematic assessment of co-presence detection in the presence of a context-manipulating attacker. First, we show that it is feasible to manipulate, consistently control and stabilize the readings of different acoustic and physical environment sensors (and even multiple sensors simultaneously) using low-cost, off-the-shelf equipment. Second, based on these capabilities, we show that an attacker who can manipulate the context gains a significant advantage in defeating context-based co-presence detection. For systems that use multiple sensors, we investigate two sensor fusion approaches based on machine learning techniques: features-fusion and decisions-fusion, and show that both are vulnerable to contextual attacks but the latter approach can be more resistant in some cases.

研究の動機と目的

• モバイル共存検出システムにおける環境センサーの操作可能性を評価すること。
• 攻撃者が文脈を操作することで、センサーに基づく接近検出がどのように損なわれるかを分析すること。
• このような攻撃下における特徴統合と意思決定統合の機械学習手法の耐性を比較すること。
• マルチセンサー共存検出における攻撃表面およびシステムの弱みを同定すること。

提案手法

• 音響的および物理的センサーからの読み取り値を操作するために、低価格の市販機器を用いた。
• 複数のセンサータイプにわたり、一貫した制御と安定化されたセンサー出力を実現した。
• 2つの機械学習統合戦略（特徴統合と意思決定統合）を評価した。
• センサー操作下での検出不能の程度を評価するために、制御された実験を設計・実施した。
• 攻撃的文脈操作下でのシステム性能の低下を測定した。
• 両方の統合手法について、攻撃成功確率と検出回避確率を分析した。

実験結果

リサーチクエスチョン

• RQ1 低コストのツールを用いて、攻撃者は共存検出システムにおける複数種類の環境センサーを一貫して操作可能か？
• RQ2 攻撃者が文脈を操作することで、センサー統合に基づく共存検出の信頼性はどのように影響を受けるか？
• RQ3 特徴統合と意思決定統合のアプローチは、文脈ベースの攻撃に対してどのように比較されるか？
• RQ4 文脈操作による接近検出の回避において、実用的な制限と成功確率は何か？

主な発見

• 攻撃者は低価格の市販機器を用いて、複数の音響的および物理的センサーの読み取り値を信頼性高く操作可能である。
• 文脈の操作は、共存検出システムの性能を顕著に低下させる。
• 特徴統合アプローチは文脈操作に対して脆弱であり、高い偽陰性率を示す。
• 一部の設定では、意思決定統合アプローチが文脈ベースの攻撃に対してより高い耐性を示す。
• 本研究では、マルチセンサー統合システムですら、一貫した文脈操作に対して脆弱であることが示された。
• 結果として、現在の共存検出メカニズムにおける重要なセキュリティ上のギャップが浮き彫りになった。