[论文解读] Don't Skype & Type! Acoustic Eavesdropping in Voice-Over-IP

Alberto Compagno, Mauro Conti+2 more|arXiv (Cornell University)|Sep 29, 2016

User Authentication and Security Systems参考文献 20被引用 11

一句话总结

本文介紹了一種稱為「Skype & Type（S&T）」的新型遠端鍵盤聲學竊聽攻擊，該攻擊利用VoIP通話（如Skype）來捕獲並分析傳輸的敲擊鍵盤聲音。該攻擊僅需最少的配置資料，即可在猜測鍵盤輸入時達到91.7%的Top-5準確率，證明其在無需物理接近或大量訓練資料的情況下，於現實場景中具有可行性。

ABSTRACT

Acoustic emanations of computer keyboards represent a serious privacy issue. As demonstrated in prior work, physical properties of keystroke sounds might reveal what a user is typing. However, previous attacks assumed relatively strong adversary models that are not very practical in many real-world settings. Such strong models assume: (i) adversary's physical proximity to the victim, (ii) precise profiling of the victim's typing style and keyboard, and/or (iii) significant amount of victim's typed information (and its corresponding sounds) available to the adversary. This paper presents and explores a new keyboard acoustic eavesdropping attack that involves Voice-over-IP (VoIP), called Skype & Type (S&T), while avoiding prior strong adversary assumptions. This work is motivated by the simple observation that people often engage in secondary activities (including typing) while participating in VoIP calls. As expected, VoIP software acquires and faithfully transmits all sounds, including emanations of pressed keystrokes, which can include passwords and other sensitive information. We show that one very popular VoIP software (Skype) conveys enough audio information to reconstruct the victim's input -- keystrokes typed on the remote keyboard. Our results demonstrate that, given some knowledge on the victim's typing style and keyboard model, the attacker attains top-5 accuracy of 91.7% in guessing a random key pressed by the victim. Furthermore, we demonstrate that S&T is robust to various VoIP issues (e.g., Internet bandwidth fluctuations and presence of voice over keystrokes), thus confirming feasibility of this attack. Finally, it applies to other popular VoIP software, such as Google Hangouts.

研究动机与目标

• 探討透過Skype等VoIP軟體進行遠端鍵盤聲學竊聽的可行性，其中敲擊鍵盤的聲音會在通話期間無意間傳輸。
• 解決先前攻擊方法的限制，這些方法需要物理接近、大量訓練資料，或對受害者打字風格與鍵盤類型進行精確配置。
• 評估在現實VoIP環境下（包括頻寬波動與語音干擾）此類攻擊的強健性。
• 探討針對基於頻譜特徵的鍵盤輸入推斷攻擊的對抗措施。

提出的方法

• 該攻擊利用VoIP軟體（如Skype）會捕獲並傳輸所有音訊（包括鍵盤敲擊聲）的特性。
• 結合使用梅爾頻率倒頻譜係數（MFCC）與快速傅立葉變換（FFT）特徵來分析捕獲的音訊串流。
• 使用與受害者相同鍵盤型號的有限敲擊音訊資料訓練機器學習分類器，從而最小化對受害者個人特徵配置的需求。
• 該方法評估了VoIP特有的信號處理（如音訊壓縮、降採樣與單通道混合）對攻擊可行性之影響。
• 測試了一種包含隨機多頻段均衡的對抗措施，以破壞分類中使用的頻譜特徵。
• 實驗採用多台筆電與多個使用者的10折交叉驗證方案，以驗證準確率與泛化能力。

实验结果

研究问题

• RQ1 是否能從VoIP音訊串流中可靠地提取並分類敲擊鍵盤的聲音，而無需物理接觸受害者的裝置？
• RQ2 當僅有最少的配置資料（相同鍵盤型號）且訓練資料有限時，鍵盤輸入推斷的準確率如何？
• RQ3 VoIP特有的信號處理（如壓縮、降採樣與單通道混合）如何影響聲學竊聽的可行性？
• RQ4 隨機均衡或其他對抗措施在多大程度上可減輕基於頻譜特徵的攻擊？
• RQ5 S&T攻擊是否適用於Skype以外的其他VoIP平台，如Google Hangouts？

主要发现

• S&T攻擊僅使用鍵盤型號配置與最少的訓練資料，即可在猜測受害者隨機按下的鍵時達到91.7%的Top-5準確率。
• 該攻擊在VoIP特有的干擾下仍具強健性，包括頻寬降低與敲擊時存在人聲干擾的情況。
• 隨機多頻段均衡顯著破壞了基於FFT的特徵，使攻擊準確率降至隨機猜測的基線水平。
• MFCC特徵對均衡仍具部分強健性，表明在這些對抗措施下，基於頻譜特徵的攻擊仍具可行性。
• 初步實驗確認S&T攻擊在Google Hangouts上亦可行，顯示其在多種VoIP平台上的廣泛適用性。
• 本研究證明，即使攻擊者能力有限，透過VoIP進行遠端聲學竊聽仍是一項現實威脅。