[논문 리뷰] Mobile IMUs Reveal Driver's Identity From Vehicle Turns

Dongyao Chen, Kyong-Tak Cho외 1명|arXiv (Cornell University)|2017. 10. 12.

User Authentication and Security Systems참고 문헌 9인용 수 5

한 줄 요약

이 논문은 이동 중 차량의 회전 동작 동안 스마트폰의 권한 없이도 IMU 데이터(가속도계, 자이로스코프, 자석계)만을 사용해 운전자를 식별하는 Dri-Fi라는 드라이버 지문 인식 시스템을 제안한다. 차량의 회전 동작 중에 고유한 회전 행동 특징—회전 종료 축 방향의 가속도, 그 평균에서의 편차, 그리고 요행속도의 편차—를 추출함으로써 Dri-Fi는 단일 회전에서 5명의 운전자 중 90.8%의 정확도를 달성하며, 다수의 회전을 통해 정확도가 96.6%로 향상된다. 이는 널리 보급된 모바일 센서를 통한 이전에 다루지 않은 사생활 위협을 드러낸다.

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.

연구 동기 및 목표

• 모바일 장치를 통해 운전 동작 중에 수집된 IMU 데이터로부터 운전자 신원을 추론할 수 있는지 조사하기 위해.
• 차량의 회전 행동에서 개인을 구별할 수 있는 고유한 행동 패턴을 식별하고 이를 악용하기 위해.
• 차량 내 데이터 접근 없이도 고정밀도의 운전자 지문 인식을 가능하게 하는, 일반적인 스마트폰과 웨어러블 기기에서 흔히 사용되는 권한 없음 IMU를 활용함을 입증하기 위해.
• 기존의 OBD-II나 차량 내 CAN 데이터를 초월해 새로운 사생활 침해 공격 표면을 드러내기 위해.
• 이러한 IMU 기반 운전자 추적에 대비한 대응 조치 개발을 촉진하기 위해.

제안 방법

• Dri-Fi는 차량의 회전 중 모바일 장치에서 수집한 원시 IMU 데이터(가속도계, 자이로스코프, 자석계)를 수집한다.
• 장치의 방향과 운동 역학을 이용해 센서 데이터를 지구 중심 좌표계로 정렬함으로써, 기기의 자세에 관계없이 일관된 특징 추출을 보장한다.
• 시스템은 세 가지 새로운 특징을 추출한다: 회전 종료 축 방향의 가속도, 평균에서의 편차, 그리고 회전 중 요각 속도의 편차.
• 이러한 특징을 바탕으로 각 운전자의 고유한 회전 스타일을 모델링하며, 이를 분류를 위한 행동 생체 인식 특징으로 간주한다.
• 다양한 운전자로부터 레이블이 부여된 회전 데이터를 기반으로 훈련된 기계학습 모델을 사용해 분류를 수행한다.
• 확장성과 정확도 평가를 위해 다양한 수의 운전자와 회전 횟수에 따라 성능을 평가한다.

실험 결과

연구 질문

• RQ1 악성 사용자가 차량의 회전 중에 모바일 장치에서 권한 없이 수집한 IMU 데이터만으로 운전자를 정확히 식별할 수 있는가?
• RQ2 IMU 데이터에서 추출할 수 있는, 고유하고 안정적이며 구별 가능한 회전 행동 특징은 무엇인가?
• RQ3 관측된 운전자 수와 회전 횟수의 증가에 따라 운전자 지문 인식의 정확도는 어떻게 변화하는가?
• RQ4 Dri-Fi의 성능는 기존의 차량 내 데이터 기반 지문 인식 방법과 비교해 실현 가능성과 공격 표면 측면에서 어떻게 다른가?
• RQ5 이러한 IMU 기반 사생활 위협을 완화하기 위한 실용적인 대응 조치는 무엇인가?

주요 결과

• Dri-Fi는 단일 차량의 한 번의 회전 데이터만으로 12명의 운전자 중 74.1%의 지문 인식 정확도를 달성한다.
• 8명의 운전자에 대해서는 단일 회전에서 정확도가 83.5%로 상승하며, 5명의 운전자에 대해서는 동일 조건에서 90.8%의 정확도를 기록한다.
• 여러 번의 회전 데이터를 수집할 경우 정확도가 크게 향상되어, 12명의 운전자에 대해 95.3%, 8명의 운전자에 대해 95.4%, 5명의 운전자에 대해 96.6%의 정확도를 달성한다.
• 운전자 수가 증가할수록 성능이 저하되지만, 여러 차례의 회전 데이터 수집을 통해 이를 완화할 수 있다.
• 추출한 세 가지 특징—회전 종료 축의 가속도, 그 편차, 요각 속도의 편차—는 운전 세션 간에 매우 구별 가능하고 안정적인 것으로 입증된다.
• 기존 방법과 비교해 공격 표면이 크게 확장되었으며, 이는 모바일 IMU가 보편적으로 존재하고 악성 앱을 통해 물리적 차량 접근 없이도 접근 가능하기 때문이다.