[論文レビュー] Exploring Ways To Mitigate Sensor-Based Smartphone Fingerprinting

Anupam Das, Nikita Borisov+1 more|arXiv (Cornell University)|Mar 6, 2015

User Authentication and Security Systems参考文献 19被引用数 15

ひとこと要約

本稿では、加速度計およびジャイロスコープを用いたセンサーに基づくスマートフォンのファングプリント攻撃を軽減する、新しいオブスカレーションベースの対策を提案する。センサーストリームにランダムなデータポイントを挿入し、スケールに応じたノイズを追加することで、ファングプリントの正確性を著しく低下させ、Fスコアが15–20％まで低下するが、同時にユーザビリティは維持され、キャリブレーション手法を上回り、分類器が利用するスペクトル特徴を効果的に隠蔽する。

ABSTRACT

Modern smartphones contain motion sensors, such as accelerometers and gyroscopes. These sensors have many useful applications; however, they can also be used to uniquely identify a phone by measuring anomalies in the signals, which are a result from manufacturing imperfections. Such measurements can be conducted surreptitiously in the browser and can be used to track users across applications, websites, and visits. We analyze techniques to mitigate such device fingerprinting either by calibrating the sensors to eliminate the signal anomalies, or by adding noise that obfuscates the anomalies. To do this, we first develop a highly accurate fingerprinting mechanism that combines multiple motion sensors and makes use of (inaudible) audio stimulation to improve detection. We then collect measurements from a large collection of smartphones and evaluate the impact of calibration and obfuscation techniques on the classifier accuracy.

研究の動機と目的

• ウェブブラウザにおいて、モーションセンサーを用いた不正なデバイスファングプリントが可能かどうかを調査すること。
• キャリブレーションおよびノイズベースのオブスカレーションが、センサーファングプリントに対して効果的かどうかを評価すること。
• センサーユーティリティを保ちながら、固有のデバイス識別を防ぐミドルウェアレベルのオブスカレーション技術を開発・テストすること。
• 音声刺激がファングプリント検出を強化する影響と、そのような強化に対する対策のレジliエンスを評価すること。
• ユーザーのプライバシーを保護しつつ、正当なアプリケーションの動作を妨げない、デプロイ可能でデフォルトで有効化されるソリューションを提供すること。

提案手法

• 聴覚的に感知できない音声刺激を用いてセンサーレスポンスを誘発させることで、加速度計とジャイロスコープのデータを組み合わせた高精度なファングプリント機構を開発した。
• ラボおよびウェブベースの環境で、93台のスマートフォンから実世界のセンサーデータを収集し、分類器のトレーニングおよび評価に用いた。
• センサーストリームに変更されたデータポイントをランダムに挿入することで、スペクトル特徴を攪乱するデータインジェクションベースのオブスカレーション技術を実装した。
• オフセットおよびゲインの対称的スケーリングを用いてオブスカレーション範囲をシミュレートし、分類器のFスコアに与える影響を評価した。
• 調整可能なインジェクションレートを用いた確率的データインジェクションを実施し、時間的およびスペクトル的攪乱の影響を評価した。
• キャリブレーション（加速度計およびジャイロスコープ用）およびノイズベースのオブスカレーションを評価し、ファングプリントの正確性を低下させる効果を比較した。

実験結果

リサーチクエスチョン

• RQ1 スマートフォンのモーションセンサーを用いて、クッキーの削除やプライベートブラウジングに対しても耐性を持つ、一意で持続的なデバイスファングプリントを作成可能か？
• RQ2 聴覚的に感知できない音声刺激は、センサーベースのファングプリントの正確性をどの程度向上させるか？
• RQ3 センサーキャリブレーションは、ファングプリントの正確性をどの程度低下させることができるのか。また、その限界は何か？
• RQ4 ノイズベースのオブスカレーション技術は、センサーデータ内のデバイス固有の異常を効果的に隠蔽できるか？
• RQ5 センサーユーティリティに悪影響を及げず、ファングプリントの正確性を著しく低下させるには、どの程度のオブスカレーションが必要か？

主な発見

• 加速度計とジャイロスコープのデータを組み合わせた場合、特に音声刺激を用いることで、ファングプリントの正確性が90％を超える事例も存在した。
• 音声刺激により、センサーレスポンスを誘発させ、固有の特徴を露呈させることで、検出率が著しく向上した。
• キャリブレーションはファングプリントの正確性を低下させたが、専用の機器がなければジャイロスコープに対しては効果が薄かった。
• ベース範囲の10倍のノイズを用いたオブスカレーションでは、Fスコアが約40–55％に低下したが、これ以上は効果の逓減が見られた。
• 確率0.4でのランダムなデータインジェクションによる強化オブスカレーションにより、Fスコアは15–20％にまで低下し、ファングプリントが実質的に無効化された。
• 値ベースのオブスカレーションではスペクトル特徴が依然として利用可能であったが、時間的データインジェクションにより、それらは効果的に攪乱された。