[논문 리뷰] MagneticSpy: Exploiting Magnetometer in Mobile Devices for Website and Application Fingerprinting

Nikolay Matyunin, Yujue Wang외 4명|arXiv (Cornell University)|2019. 06. 26.

Green IT and Sustainability참고 문헌 31인용 수 5

한 줄 요약

이 논문은 스마트폰의 자이로스코프 센서 읽기 값을 활용하여 CPU 워크로드로 인한 전자기 간섭을 감지함으로써 실행 중인 웹사이트와 애플리케이션을 지문화하는 사이드 채널 공격인 MagneticSpy를 제안한다. 이 방법은 사용자 권한이 필요 없으며, 웹 페이지 내에서 Generic Sensor API를 통해 구현 가능하나, 웹사이트 지문화에 대해 최대 91%의 정확도, 애플리케이션 지문화에 대해 최대 90%의 정확도를 달성한다.

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.

연구 동기 및 목표

• 스마트폰의 자이로스코프 센서가 프로세서의 전자기 간섭으로 인해 CPU 활동에 대한 정보를 泄露할 수 있는지 조사하는 것.
• 오직 자이로스코프 데이터만을 사용하여 실행 중인 애플리케이션과 방문한 웹사이트를 식별하는 수동적 사이드 채널 공격을 개발하는 것.
• 이러한 지문화 기술이 네이티브 앱과 웹 기반 환경 모두에서 가능할지 평가하는 것, 특히 브라우저에서 접근 가능한 센서를 통해 수행 가능한지 검토하는 것.
• 이러한 유출 경로가 개인정보에 미치는 영향을 평가하고, 대응 조치를 제안하는 것.

제안 방법

• CPU 워크로드와 관련된 자기장 강도의 변동을 감지하기 위해 스마트폰에서 수집한 자이로스코프 읽기 값을 분석하는 방법.
• 프로세서에서 발생하는 전자기 방출이 자이로스코프에 측정 가능한 간섭을 유도하며, 그 크기는 CPU 활용도에 비례한다는 사실을 활용하는 것.
• 기계 학습 분류기 모델을 자이로스코프 트레이스 데이터에 기반해 훈련하여, 고유한 자기 간섭 패턴을 바탕으로 서로 다른 애플리케이션과 웹사이트를 구분하는 것.
• 80종의 현대 스마트폰 및 태블릿 기기 모델을 대상으로 평가하며, 네이티브 앱과 브라우저에서 접근 가능한 Generic Sensor API를 통한 웹 기반 접근 방식도 함께 검토하는 것.
• 샘플링 레이트 감소 및 센서 접근 제한을 통한 완화 전략을 탐색하는 것.

실험 결과

연구 질문

• RQ1 스마트폰의 자이로스코프 읽기 값이 CPU 워크로드를 추론하고, 이를 통해 실행 중인 애플리케이션 또는 방문한 웹사이트를 파악하는 데 사용될 수 있는가?
• RQ2 이러한 사이드 채널 유출이 다양한 스마트폰 모델과 운영 체제 간에 얼마나 지속되는가?
• RQ3 사용자 권한 없이, 특히 브라우저 API를 통해 웹 페이지 내에서 공격을 수행할 수 있는가?
• RQ4 오직 자이로스코프 데이터만을 사용하여 웹사이트와 애플리케이션의 지문화가 얼마나 정확한가?
• RQ5 이러한 정보 유출을 방지하기 위해 가장 효과적인 대응 조치는 무엇인가?

주요 결과

• 공격는 테스트한 80대의 스마트폰 및 태블릿 기기 중 56대에서 성공적으로 검증되었으며, 이는 사이드 채널에 대한 광범위한 취약성을 확인한 것이다.
• 50개의 유명한 웹사이트에서 수집한 자이로스코프 트레이스 데이터에 기반한 분류기로 웹사이트 지문화에 최대 91%의 정확도를 달성했다.
• 일상적으로 사용되는 65개의 애플리케이션에 대해 애플리케이션 지문화가 최대 90%의 정확도로 이루어졌다.
• 사용자 권한 없이도 작동하며, 브라우저에서 접근 가능한 Generic Sensor API를 통해 웹 페이지 내부에서 공격를 수행할 수 있어 공격 표면이 크게 확장되었다.
• 자이로스코프 샘플링 레이트를 1Hz로 낮추면 지문화 정확도가 크게 떨어지지만, 굵은 단위의 탐지 가능성은 여전히 존재한다.