[論文レビュー] MagneticSpy: Exploiting Magnetometer in Mobile Devices for Website and Application Fingerprinting

Nikolay Matyunin, Yujue Wang+4 more|arXiv (Cornell University)|Jun 26, 2019

Green IT and Sustainability参考文献 31被引用数 5

ひとこと要約

この論文では、スマートフォンの磁力計センサーの読み取り値を利用して、CPUの負荷に起因する電磁干渉を検出することで、実行中のウェブサイトやアプリケーションをフォグプリントするサイドチャネル攻撃「MagneticSpy」を提案している。この手法は、ユーザーの許可を必要とせず、Webページ内からGeneric Sensor APIを介しても実行可能であり、ウェブサイトフォグプリントで最大91%、アプリケーションフォグプリントで最大90%の正確さを達成している。

ABSTRACT

Recent studies have shown that aggregate CPU usage and power consumption traces on smartphones can leak information about applications running on the system or websites visited. In response, access to such data has been blocked for mobile applications starting from Android 8. In this work, we explore a new source of side-channel leakage for this class of attacks. Our method is based on the fact that electromagnetic activity caused by mobile processors leads to noticeable disturbances in magnetic sensor measurements on mobile devices, with the amplitude being proportional to the CPU workload. Therefore, recorded sensor data can be analyzed to reveal information about ongoing activities. The attack works on a number of devices: we evaluated 80 models of modern smartphones and tablets and observed the reaction of the magnetometer to the CPU activity on 56 of them. On selected devices we were able to successfully identify which application has been opened (with up to 90% accuracy) or which web page has been loaded (up to 91% accuracy). The presented side channel poses a significant risk to end users' privacy, as the sensor data can be recorded from native apps or even from web pages without user permissions. Finally, we discuss possible countermeasures to prevent the presented information leakage.

研究の動機と目的

• スマートフォンの磁力計センサーが、電磁干渉によってCPUの動作状態に関する情報を漏洩させる可能性があるかどうかを調査すること。
• ユーザーの許可を必要とせず、磁力計データのみを用いて実行中のアプリケーションや訪問されたウェブサイトを特定する受動的サイドチャネル攻撃を開発すること。
• ネイティブアプリとWebベースのシナリオの両方において、このようなフォグプリントが実現可能かどうかを評価すること。特に、ブラウザからアクセス可能なセンサーを介した場合も含む。
• この漏洩経路がもたらすプライバシー上の影響を評価し、対策を提案すること。

提案手法

• スマートフォンから収集した磁力計の読み取り値を分析し、CPU負荷と相関する磁界強度の変動を検出する。
• プロセッサからの電磁放射が磁力計に測定可能な干渉を引き起こすという事実を活用し、その振幅はCPU利用率に比例する。
• 異なるアプリケーションやウェブサイトに基づく特徴的な磁気的干渉パターンを識別できるように、機械学習分類器をセンサートレース上で学習させる。
• 80台の現代的なスマートフォンおよびタブレットモデルを対象に評価を行い、ネイティブアプリとWebベースのアクセス（Generic Sensor APIを介して）の両方でフォグプリントを実施した。
• サンプリングレートの低下とセンサーへのアクセス制限を、緩和策として検討した。

実験結果

リサーチクエスチョン

• RQ1 スマートフォンの磁力計読み取り値を用いて、CPU負荷を推定し、結果として実行中のアプリケーションや訪問されたウェブサイトを特定できるか？
• RQ2 このサイドチャネル漏洩は、多様なスマートフォンモデルやオペレーティングシステムにわたり、どの程度持続するか？
• RQ3 ユーザーの許可なしに攻撃を実行可能であり、特にブラウザAPIを介してWebページ内からも実行可能か？
• RQ4 磁力計データのみを用いて、ウェブサイトやアプリケーションのフォグプリントはどの程度正確に可能か？
• RQ5 このような情報漏洩を防ぐために最も効果的な対策は何か？

主な発見

• 56台の80台のテスト対象スマートフォンおよびタブレットモデルで攻撃が成功し、広範な脆弱性が確認された。
• 50の代表的なウェブサイトの磁力計トレースを学習データとして用いた分類器を用いることで、ウェブサイトフォグプリントで最大91%の正確さを達成した。
• 65の一般的に使用されるアプリケーションを対象にしたアプリケーションフォグプリントでは、最大90%の正確さを達成した。
• ユーザーの許可が不要であり、Webページ内からGeneric Sensor APIを介して実行可能であるため、攻撃の表面が著しく拡大した。
• 磁力計のサンプリングレートを1 Hzに低下させると、フォグプリントの正確さが著しく低下するが、粗い検出は依然として可能である。