[論文レビュー] Your PIN Sounds Good! On The Feasibility of PIN Inference Through Audio Leakage

Matteo Cardaioli, Mauro Conti+2 more|arXiv (Cornell University)|May 21, 2019

User Authentication and Security Systems参考文献 22被引用数 4

ひとこと要約

この論文は、PINパッドのキーストローク音声フィードバックから抽出されたキーストローク間タイミングが、非常に高い精度でPINを推定可能であることを示している。98%の検出精度を達成し、誤差0.13msで実現している。音声由来のタイミングと、1桁の知識、タイピング行動、熱画像を組み合わせることで、4桁のPINの72%を3回の試行内で特定可能となり、ATMおよびPoSシステムに深刻なセキュリティ脅威をもたらす。

ABSTRACT

Personal Identification Numbers (PIN) are widely used as authentication method for systems such as Automated Teller Machines (ATMs) and Point of Sale (PoS). Input devices (PIN pads) usually give the user a feedback sound when a key is pressed. In this paper, we propose an attack based on the extraction of inter-keystroke timing from the feedback sound when users type their PINs. Our attack is able to reach an accuracy of 98% with a mean error of 0.13 +/-6.66 milliseconds. We demonstrate that inter-keystroke timing significantly improves the guessing probability of certain subsets of PINs. We believe this represents a security problem that has to be taken into account for secure PIN generation. Furthermore, we identified several attack scenarios where the adversary can exploit inter-keystroke timing and additional information about the user or the PIN, such as typing behavior. Our results show that combining the inter-keystroke timing with other information drastically reduces attempts to guess a PIN, outperforming random guessing. With our attack, we are able to guess 72% of the 4-digit PINs within 3 attempts. We believe this poses a serious security problem for systems that use PIN-based authentication.

研究の動機と目的

• PINパッドのキーストローク音声フィードバックから、キーストローク間タイミング情報が漏洩するかどうかを調査すること。
• キーストローク間タイミングに加えて、追加のサイドチャネル情報と組み合わせることで、PINの推測に必要な試行回数がどの程度減少するかを評価すること。
• ATMやPoS端末のように広く導入されているPINベースの認証システムに対する、このような攻撃の現実的実行可能性と影響を評価すること。
• ユーザーのタイピング行動や部分的なPIN知識が、音声ベースのPIN推定の成功率に与える影響を分析すること。

提案手法

• スマートフォンやボイスレコーダーなどの一般的なデバイスを用いて、PINパッドのキーストローク音声を録音した。
• 信号処理技術を用いて、音声からキーストローク間の時間間隔を抽出した。特に、連続するキーストロークの間隔を検出することに焦点を当てた。
• キーストローク間タイミングパターンを、可能性の高いPINシーケンスにマッピングするため、機械学習ベースの分類器を訓練した。
• 攻撃の評価を、複数の脅威モデル（基本攻撃：タイミングのみ、1桁の知識あり（VPK）、タイピング行動（SFP）、熱画像（TA））を用いて実施した。
• 現実的な攻撃シナリオを模擬するため、キーストローク間タイミングと行動的・部分的PIN知識を組み合わせたモデルを構築した。
• ランダムな推測との比較において、推測確率の向上を測定する統計的分析を実施した。

実験結果

リサーチクエスチョン

• RQ1 一般的な録音デバイスを用いて、PINパッドのキーストローク音声フィードバックからキーストローク間タイミングを信頼性高く抽出できるか？
• RQ2 キーストローク間タイミングに加えて、1桁のPINの知識がある場合、PINを推測するための試行回数はどの程度減少するか？
• RQ3 ユーザーのタイピング行動（例：片手での入力）は、音声ベースのPIN推定の成功率にどの程度影響を及ぼすか？
• RQ4 熱画像と組み合わせた場合、キーストローク間タイミングはPINの再構築にどの程度有効か？
• RQ5 複数のサイドチャネル信号（タイミング、数字の知識、行動、熱画像）を組み合わせた場合、推測試行回数は全体的にどの程度減少するか？

主な発見

• 音声フィードバックの検出に98%の精度を達成し、平均誤差は0.13 ± 6.66ミリ秒であった。
• 抽出されたキーストローク間タイミングの75%が、絶対誤差7.66ms未満であった。これは、タイミング回復の高精度を示している。
• キーストローク間タイミングと1桁のPIN知識を組み合わせることで、最初の5回の試行内で攻撃効果が14倍向上した。
• 片手でのタイピング行動を考慮すると、ランダムな推測と比較して攻撃効果が34倍向上し、72%のPINが3回の試行内で特定可能となった。
• 熱画像と組み合わせた場合、キーストローク間タイミングにより15%のPINが初回試行で特定可能となり、熱画像単体の攻撃と比較して4倍の改善効果を示した。
• すべてのサイドチャネル信号（タイミング、数字の知識、行動、熱画像）を組み合わせた場合、90%のPINが5回の試行内で特定可能となった。