[논문 리뷰] Your PIN Sounds Good! On The Feasibility of PIN Inference Through Audio Leakage

Matteo Cardaioli, Mauro Conti외 2명|arXiv (Cornell University)|2019. 05. 21.

User Authentication and Security Systems참고 문헌 22인용 수 4

한 줄 요약

이 논문은 PIN 패드 키입력 시 발생하는 음성 피드백에서 추출한 키 간 간격 시간 정보를 통해 매우 정확한 PIN 유추가 가능함을 입증한다. 이는 0.13ms 오차로 98%의 정확도를 달성한다. 음성 유도 시간 정보와 함께 한 자릿수의 지식, 타이핑 행동 또는 열화상 영상 정보를 조합하면 3회 이내로 4자리 PIN의 72%를 유추할 수 있으며, 이는 ATM 및 PoS 시스템에 심각한 보안 위협을 초래한다.

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.

연구 동기 및 목표

• PIN 패드 키입력의 음성 피드백에서 키 간 간격 시간 정보가 유출되는지 여부를 조사하는 것.
• 추가적인 사이드채널 정보와 함께 키 간 간격 시간이 PIN 유추에 필요한 尝시 횟수를 얼마나 줄이는지 평가하는 것.
• ATM 및 PoS 터미널과 같이 널리 보급된 PIN 기반 인증 시스템에 대한 이러한 공격의 실제 적용 가능성과 영향을 평가하는 것.
• 사용자 타이핑 행동과 부분적인 PIN 지식이 음성 기반 PIN 유추 성공률에 미치는 영향을 분석하는 것.

제안 방법

• 스마트폰이나 음성 녹음기와 같은 일반 장비를 사용하여 PIN 패드 키입력의 음성 녹음을 촬영하였다.
• 신호 처리 기법을 활용해 음성에서 키 간 간격 시간을 추출하였으며, 연속 키입력 간 간격을 중심으로 분석하였다.
• 키 간 간격 시간 패턴을 기반으로 가능한 PIN 순서를 매핑하기 위해 기계학습 기반 분류기 모델을 학습시켰다.
• 기본 공격(시간 정보만), 한 자릿수 지식(비밀번호 지식, VPK), 타이핑 행동(행동 특성, SFP), 열화상 영상(열화상 공격, TA) 등의 다양한 위협 모델을 기반으로 공격를 평가하였다.
• 실제 공격 시나리오를 모의하기 위해 키 간 간격 시간과 행동 및 부분적 PIN 지식을 조합하여 모델링하였다.
• 랜덤 추측 대비 유추 확률 향상 정도를 측정하기 위해 통계 분석을 수행하였다.

실험 결과

연구 질문

• RQ1 일반적인 녹음 장비를 사용해 PIN 패드 키입력의 음성 피드백에서 키 간 간격 시간을 신뢰성 있게 추출할 수 있는가?
• RQ2 키 간 간격 시간과 함께 한 PIN 자릿수의 지식을 결합하면 PIN 유추에 필요한 尝시 횟수가 얼마나 줄어드는가?
• RQ3 사용자 타이핑 행동(예: 한 손으로 타이핑)이 음성 기반 PIN 유추 성공률에 어느 정도 영향을 미치는가?
• RQ4 열화상 영상과 결합했을 때 키 간 간격 시간이 PIN 재구성에 얼마나 효과적인가?
• RQ5 다양한 사이드채널 신호(시간 정보, 자릿수 지식, 행동, 열화상 데이터)를 조합했을 때 유추 尝시 횟수는 전체적으로 얼마나 감소하는가?

주요 결과

• 음성 피드백을 검출하는 데 98%의 정확도를 달성했으며, 평균 오차는 0.13 ± 6.66 밀리초였다.
• 추출된 키 간 간격 시간의 75%가 절대 오차 7.66ms 이내에 있었으며, 이는 시간 복원의 높은 정밀도를 시사한다.
• 키 간 간격 시간과 한 자릿수 지식을 조합하면 첫 5회 내 유추 성능이 14배 향상되었다.
• 한 손으로 타이핑하는 행동은 랜덤 추측 대비 공격 효과를 34배 향상시켜 3회 이내로 72%의 PIN을 유추할 수 있었다.
• 열화상 영상과 조합했을 때 키 간 간격 시간은 첫 시도에 15%의 PIN을 유추할 수 있었으며, 이는 열화상 공격만으로는 4배 이상의 성능 향상을 의미한다.
• 모든 사이드채널 신호(시간 정보, 자릿수 지식, 행동, 열화상 데이터)를 조합하면 5회 이내로 90%의 PIN을 유추할 수 있었다.