[论文解读] Exploiting Social Navigation

Meital Ben Sinai, Nimrod Partush+2 more|arXiv (Cornell University)|Oct 1, 2014

Internet Traffic Analysis and Secure E-voting参考文献 7被引用 38

一句话总结

本文提出了一种针对类似 Waze 的社交导航系统的 Sybil 攻击，通过使用模拟的 Android 设备和虚假 GPS 报告，创建数千个带有声誉提升的‘机器人司机’。该攻击仅用极少的资源便成功模拟了交通拥堵，并操纵了路由决策，表明在缺乏运营商级别认证的情况下，基于声誉的系统存在安全隐患。

ABSTRACT

We present an effective Sybil attack against social location based services. Our attack is based on creating a large number of reputed "bot drivers", and controlling their reported locations using fake GPS reports. We show how this attack can be used to influence social navigation systems by applying it to Waze - a prominent social navigation application used by over 50 million drivers. We show that our attack can fake traffic jams and dramatically influence routing decisions. We present several techniques for preventing the attack, and show that effective mitigation likely requires the use of additional carrier information.

研究动机与目标

• 证明针对依赖用户报告交通数据的社交导航平台（如 Waze）的 Sybil 攻击在技术上是可行的。
• 展示如何利用模拟设备生成的虚假 GPS 报告来模拟逼真的交通拥堵，并影响路由决策。
• 评估现有缓解策略（如运营商验证和行为分析）在防御此类攻击方面的有效性。
• 强调在大规模基于位置的导航系统中，未经验证的用户报告所引入的安全、隐私和安全风险。

提出的方法

• 使用模拟的 Android 设备和脚本自动创建 Waze 用户账户，以模拟驾驶和报告行为。
• 通过 Android 调试桥（ADB）控制的虚假 GPS 播放应用程序，模拟多个虚拟设备的移动和位置报告。
• 通过模拟长时间驾驶和障碍物报告，逐步建立声誉，以增强机器人账户的影响力。
• 系统性地实验机器人数量、速度和移动模式，以模仿 Waze 服务器端拥堵检测算法所识别的真实世界交通拥堵。
• 通过交叉比对报告的 GPS 位置与蜂窝基站三角测量数据，实施基于运营商的验证，以验证用户真实性。
• 应用行为分析技术，检测用户创建、移动模式和报告频率中的异常，以区分机器人与真实驾驶员。

实验结果

研究问题

• RQ1 是否可以仅使用现成的仿真工具和虚假 GPS，有效针对大规模社交导航系统（如 Waze）实施 Sybil 攻击？
• RQ2 在无需协议逆向工程的情况下，能够模仿合法用户行为的机器人在多大程度上可以颠覆基于声誉的系统？
• RQ3 基于运营商的身份验证和行为分析在缓解此类攻击方面的有效性如何？其在成本、可用性和可扩展性方面存在哪些权衡？
• RQ4 在实时交通信息系统的背景下，允许未经验证的用户报告会带来哪些安全、隐私和安全方面的后果？

主要发现

• 该攻击仅使用 16 核硬件和现成的 Android 模拟软件，便成功在 Waze 上模拟了交通拥堵，且无需进行协议逆向工程。
• Waze 缺乏用户注册验证，使得可低成本、低努力地自动创建数千个虚假用户账户。
• 即使具备基于声誉的影响，攻击仍可通过静态机器人集群模拟停滞交通，从而操纵路由决策。
• 基于运营商的位置验证被确定为最有效的防御手段，因为它依赖于外部可信数据源，且攻击者难以大规模伪造。
• 行为分析技术可靠性较低，因为高级攻击者可以模仿人类驾驶模式和报告行为。
• 该攻击可被用于误导驾驶员，影响商业交通流量，并通过将用户引导至不合适的道路而危及安全。