[论文解读] A Study on Smart Online Frame Forging Attacks against Video Surveillance System

Deeraj Nagothu, Jacob Schwell+3 more|arXiv (Cornell University)|Mar 8, 2019

Video Surveillance and Tracking Methods参考文献 30被引用 5

一句话总结

本文提出了一种针对视频监控系统的实时、智能在线帧伪造攻击，该攻击根据光照和运动等环境变化动态重放预先录制的视频帧，利用二维码或人脸检测实现远程触发。同时提出了一种基于ENF的边缘实时检测方法，利用电网频率波动作为数字水印，以高精度识别伪造帧。

ABSTRACT

Video Surveillance Systems (VSS) have become an essential infrastructural element of smart cities by increasing public safety and countering criminal activities. A VSS is normally deployed in a secure network to prevent access from unauthorized personnel. Compared to traditional systems that continuously record video regardless of the actions in the frame, a smart VSS has the capability of capturing video data upon motion detection or object detection, and then extracts essential information and send to users. This increasing design complexity of the surveillance system, however, also introduces new security vulnerabilities. In this work, a smart, real-time frame duplication attack is investigated. We show the feasibility of forging the video streams in real-time as the camera's surroundings change. The generated frames are compared constantly and instantly to identify changes in the pixel values that could represent motion detection or changes in light intensities outdoors. An attacker (intruder) can remotely trigger the replay of some previously duplicated video streams manually or automatically, via a special quick response (QR) code or when the face of an intruder appears in the camera field of view. A detection technique is proposed by leveraging the real-time electrical network frequency (ENF) reference database to match with the power grid frequency.

研究动机与目标

• 研究在适应环境变化（如光照和运动）的物联网视频监控系统中，实时、智能帧复制攻击的可行性。
• 开发基于二维码或人脸检测的远程或自动触发机制，用于帧伪造。
• 提出一种基于电气网络频率（ENF）的实时边缘检测技术，将ENF作为取证水印，以识别伪造的视频流。
• 展示现代监控系统对自适应、隐蔽的视觉层攻击的脆弱性，此类攻击可规避传统检测手段。
• 验证基于ENF的检测方法在实时区分伪造帧与真实视频流方面的有效性。

提出的方法

• 设计一种实时攻击模型，通过根据实时环境变化（如光照强度和运动检测）动态调整，重放预先录制的视频帧。
• 通过二维码或人脸检测实现远程触发机制，以启动帧重放，从而实现隐蔽、自动化的攻击。
• 利用电气网络频率（ENF）作为自然的、时间锁定的环境水印，通过电源波动嵌入数字媒体中。
• 采用滑动窗口方法，通过视频/音频中提取的ENF信号与电网参考ENF数据库之间的相关性匹配进行信号分析。
• 应用短时傅里叶变换（STFT）及其他频率估计算法，从监控录制中提取ENF特征。
• 使用相关系数比较提取的ENF信号与参考ENF信号；低相关性表明可能存在帧伪造。

实验结果

研究问题

• RQ1 是否可以在现代视频监控系统中实时执行帧复制攻击，同时适应光照和运动等动态环境变化？
• RQ2 基于人脸检测或二维码触发在实现远程、自动化帧重放攻击方面的有效性如何？
• RQ3 ENF信号能否作为可靠、实时的取证水印，用于在监控网络边缘检测伪造帧？
• RQ4 在不同环境条件下，ENF检测技术在区分真实与伪造视频流方面的性能如何？
• RQ5 传统离线检测方法在实时检测复杂、自适应的帧复制攻击方面失败的程度有多大？

主要发现

• 所提出的智能在线帧伪造攻击在实时环境下可行且有效，可使攻击者重放适应光照和运动等环境变化的预录帧。
• 攻击可通过二维码远程触发，或在摄像头画面中检测到人脸时自动触发，显著提升隐蔽性与操作灵活性。
• 基于ENF的检测方法通过比较视频中提取的ENF信号与参考ENF数据库之间的相关性，成功识别出伪造帧。
• 提取的ENF信号与参考ENF信号之间的低相关系数表明存在伪造帧，证明该方法对篡改行为具有高度敏感性。
• 原型验证表明，实时边缘ENF检测在实际中可行且有效，可在造成重大损害前识别恶意帧重放行为。
• 该技术优于传统离线检测方法，可在边缘实现即时、原位检测，降低未被察觉的数据泄露风险。