[論文レビュー] Mobile IMUs Reveal Driver's Identity From Vehicle Turns

Dongyao Chen, Kyong-Tak Cho+1 more|arXiv (Cornell University)|Oct 12, 2017

User Authentication and Security Systems参考文献 9被引用数 5

ひとこと要約

本稿では、移動中の車両のカーブ走行中に、スマートフォンのIMU（加速度計、ジャイロスコープ、磁力計）データ（権限不要）のみを用いてドライバーを同定するDri-Fiというドライバー指紋認識システムを提案する。カーブ走行時の独自の走行行動特徴――カーブ終了時の軸方向加速度、その平均からのずれ、ヨー速度のずれ――を抽出することで、1回のカーブ走行で5名のドライバーのうち90.8%の精度で同定が可能となり、複数回のカーブ走行では96.6%まで向上する。これは、広く利用可能なモバイルセンサーを介して、これまでにないプライバシー脅威を特定するものである。

ABSTRACT

As vehicle maneuver data becomes abundant for assisted or autonomous driving, their implication of privacy invasion/leakage has become an increasing concern. In particular, the surface for fingerprinting a driver will expand significantly if the driver's identity can be linked with the data collected from his mobile or wearable devices which are widely deployed worldwide and have increasing sensing capabilities. In line with this trend, this paper investigates a fast emerging driving data source that has driver's privacy implications. We first show that such privacy threats can be materialized via any mobile device with IMUs (e.g., gyroscope and accelerometer). We then present Dri-Fi (Driver Fingerprint), a driving data analytic engine that can fingerprint the driver with vehicle turn(s). Dri-Fi achieves this based on IMUs data taken only during the vehicle's turn(s). Such an approach expands the attack surface significantly compared to existing driver fingerprinting schemes. From this data, Dri-Fi extracts three new features --- acceleration along the end-of-turn axis, its deviation, and the deviation of the yaw rate --- and exploits them to identify the driver. Our extensive evaluation shows that an adversary equipped with Dri-Fi can correctly fingerprint the driver within just one turn with 74.1%, 83.5%, and 90.8% accuracy across 12, 8, and 5 drivers --- typical of an immediate family or close-friends circle --- respectively. Moreover, with measurements on more than one turn, the adversary can achieve up to 95.3%, 95.4%, and 96.6% accuracy across 12, 8, and 5 drivers, respectively.

研究の動機と目的

• 移動中の運転行動中に、スマートフォンから収集されたIMUデータからドライバーの身元を同定できるかどうかを調査すること。
• ドライバーを区別できる独自の行動パターンを同定し、それを活用して攻撃を実行すること。
• 車両内データへのアクセスが不要な、ゼロ権限のモバイルIMU（スマートフォンやウェアラブル機器に広く搭載）を用いて、高精度なドライバー指紋認識が可能であることを実証すること。
• OBD-IIや車両内CANデータにとどまらない、これまでに未発見のプライバシー攻撃表面を明らかにすること。
• このようなIMUベースのドライバー追跡に対抗するための対策の開発を促すこと。

提案手法

• Dri-Fiは、車両のカーブ走行中にスマートフォンのIMUデータ（加速度計、ジャイロスコープ、磁力計）を収集する。
• デバイスの姿勢と運動ダイナミクスを用いて、センサデータを地理基準座標系に整列させ、デバイスの配置に関係なく一貫した特徴抽出を実現する。
• 本稿では、3つの新規特徴を抽出する：カーブ終了時の軸方向加速度、その平均からのずれ、カーブ中のヨー速度のずれ。
• これらの特徴を用いて各ドライバーの独自のカーブ走行スタイルをモデル化し、行動バイオメトリクスとして分類に用いる。
• 複数名のドライバーからラベル付きのカーブ走行データを用いて学習した機械学習モデルを用いて分類を実行する。
• スケーラビリティと精度を評価するために、ドライバー数や観測カーブ数の変化に応じた性能評価を実施する。

実験結果

リサーチクエスチョン

• RQ1 攻撃者が、車両のカーブ走行中にスマートフォンのゼロ権限IMUデータのみを用いて、ドライバーを正確に同定できるか？
• RQ2 IMUデータから抽出可能な、一意で安定的かつ区別可能なカーブ走行行動の特徴は何か？
• RQ3 ドライバー数や観測カーブ数の増加に伴い、ドライバー指紋認識の精度はどのように変化するか？
• RQ4 Dri-Fiの性能は、既存の車両内データベースの指紋認識手法と比較して、実用性や攻撃表面の広がりにおいてどう異なるか？
• RQ5 このIMUベースのプライバシー脅威を緩和する実用的な対策は何か？

主な発見

• Dri-Fiは、1回の車両カーブ走行データを用いて、12名のドライバーのうち74.1%の精度で指紋認識を達成した。
• 8名のドライバーでは、1回のカーブ走行で83.5%の精度に上昇し、5名のドライバーでは同じ条件下で90.8%の精度に達した。
• 複数回のカーブ走行を用いることで、精度は顕著に向上し、12名のドライバーで95.3%、8名で95.4%、5名で96.6%の精度に達した。
• ドライバー数の増加に伴い性能は低下するが、複数回のカーブ走行データ収集によってこれを緩和できる。
• 抽出した3つの特徴――カーブ終了時の加速度、その平均からのずれ、ヨー速度のずれ――は、走行セッションにわたって顕著に区別可能で安定的であることが判明した。
• モバイルIMUは広く普及しており、物理的車両アクセスが不要な悪意あるアプリからも利用可能であるため、従来の手法と比較して攻撃表面が顕著に拡大している。