[論文レビュー] Screen Gleaning: A Screen Reading TEMPEST Attack on Mobile Devices Exploiting an Electromagnetic Side Channel

Zhuoran Liu, Niels Samwel+5 more|arXiv (Cornell University)|Nov 19, 2020

Cryptographic Implementations and Security参考文献 53被引用数 5

ひとこと要約

本稿では、ソフトウェア定義無線（SDR）とアンテナを用いてモバイル端末の画面から放出される電磁放射を捕らえ、深層学習を用いてそれを解釈可能な「エマージュ（emage）」に再構成する、TEMPEST側帯域攻撃「スクリーン・ギンリング」を紹介する。この攻撃は視認不能な状況下でも、二要素認証コードなどの機密情報を効果的に回復でき、エマージュが人間には視認不能であるにもかかわらず、桁の分類精度がほぼ90％に達する。

ABSTRACT

We introduce screen gleaning, a TEMPEST attack in which the screen of a mobile device is read without a visual line of sight, revealing sensitive information displayed on the phone screen. The screen gleaning attack uses an antenna and a software-defined radio (SDR) to pick up the electromagnetic signal that the device sends to the screen to display, e.g., a message with a security code. This special equipment makes it possible to recreate the signal as a gray-scale image, which we refer to as an emage. Here, we show that it can be used to read a security code. The screen gleaning attack is challenging because it is often impossible for a human viewer to interpret the emage directly. We show that this challenge can be addressed with machine learning, specifically, a deep learning classifier. Screen gleaning will become increasingly serious as SDRs and deep learning continue to rapidly advance. In this paper, we demonstrate the security code attack and we propose a testbed that provides a standard setup in which screen gleaning could be tested with different attacker models. Finally, we analyze the dimensions of screen gleaning attacker models and discuss possible countermeasures with the potential to address them.

研究の動機と目的

• モバイル端末の画面から生じる電磁側帯域漏洩を用いて機密情報を抽出する可能性を調査すること。
• 視認不能で解釈不能な電磁信号（エマージュ）でさえ、機械学習を用いて逆算可能であり、セキュリティコードなどの機密データを回復できることを実証すること。
• さまざまな環境的・デバイス的条件下でのスクリーン・ギンリングの体系的評価を可能にする、パrameterized攻撃者モデルを備えた標準化されたテストベッドを提唱すること。
• 二要素認証コードにとどまらず、ポルノグラフィックコンテンツのようなプライベートなコンテンツを検出する一般化可能性について、一般的な分類タスクとしての可能性を検討すること。
• 今後の埋め込みシステム設計における、こうした側帯域攻撃に対する対策の特定と議論を行うこと。

提案手法

• 攻撃は、モバイルデバイスの画面ドライバから放出される電磁放射を、単純なSDRとアンテナを用いて捕らえる。視認のための視線路は不要である。
• 捕らえた信号はグレースケール画像として可視化され、通常は人間の目には解釈不能な「エマージュ」と呼ばれる。
• 深層学習分類器を訓練し、エマージュから元の画面表示内容（特に二要素認証コード内の数字）へのマッピングを実現する。
• 攻撃は、クロスデバイス、新聞のような障害物をはさんだ状況、ノイズの多い環境など、多様な条件下で3つの代表的モバイル端末モデルに対して検証された。
• 攻撃者モデルの5つの次元（距離、アンテナ位置、デバイスタイプなど）を定義し、体系的な今後の研究を可能にする標準化されたテストベッドが提案された。
• 事前にすべての可能な画像を知らなくても、ポルノグラフィックコンテンツの検出といった一般化シナリオへの応用が可能である。

実験結果

リサーチクエスチョン

• RQ1 モバイル端末の画面から発生する電磁放射を、視認不能な状況下で捕らえ、視覚的に利用可能な画像（エマージュ）に再構成できるか？
• RQ2 解釈不能なエマージュから、深層学習分類器がどれほど正確に機密情報（例：2FAコード）を回復できるか？
• RQ3 障害物をはさんだ状況やノイズの多い環境下でも、スクリーン・ギンリング攻撃は異なるモバイルデバイスや環境条件下でどの程度効果を示すか？
• RQ4 事前にすべての可能な画像を知らなくても、ポルノグラフィックコンテンツのような他の種類のプライベートコンテンツを検出できるように、攻撃を一般化できるか？
• RQ5 さまざまな攻撃者モデルを想定した体系的評価とスクリーン・ギンリング攻撃の拡張を可能にする標準化フレームワークは何か？

主な発見

• スクリーン・ギンリング攻撃は、SDRを用いて捕らえた電磁信号から二要素認証コードを効果的に回復でき、個々の数字の分類精度がほぼ90％に達した。
• 捕らえた信号から生成されたエマージュは通常、人間の目には解釈不能であり、攻撃の実現可能性を確保するには機械学習の必要性が裏付けられた。
• クロスデバイス環境、新聞のような障害物をはさんだ状況、ノイズの多い環境下でも攻撃は効果を示し、実世界の多様な条件下での頑健性が確認された。
• 提案されたテストベッドは、5つの定義された次元（距離、アンテナ位置、デバイスタイプ、など）を用いて攻撃者モデルをパrameterizedし、体系的評価を可能にした。
• 攻撃はスマートフォンにとどまらず、タブレット、ラップトップ、スマートディスプレイなど複数のデバイスタイプに適用可能であり、スマートフォンをはるかに超えた脅威表面を示している。
• 本研究は、予測不可能なコンテンツの再構成に向けた高度な攻撃への道筋を明確にし、埋め込みシステム設計における対策の緊急性を強調した。