[论文解读] Adversarial WiFi Sensing using a Single Smartphone

Yanzi Zhu, Zhujun Xiao+5 more|arXiv (Cornell University)|Oct 23, 2018

Indoor and Outdoor Localization Technologies参考文献 40被引用 2

一句话总结

本文提出了一种新颖的无声侦察攻击，利用单台市售智能手机通过分析环境WiFi信号，利用接入点附近人体运动引起的多径传播变化，实现对室内人员移动的跟踪。该方法在真实环境中实现了高精度跟踪，且不破坏任何网络或设备，展示了隐蔽、低成本且难以察觉的跟踪技术。

ABSTRACT

Our work demonstrates a new set of silent reconnaissance attacks, which leverages the presence of commodity WiFi devices to track users inside private homes and offices, without compromising any WiFi network, data packets, or devices. We show that just by sniffing existing WiFi signals, an adversary can accurately detect and track movements of users inside a building. This is made possible by our new signal model that links together human motion near WiFi transmitters and variance of multipath signal propagation seen by the attacker sniffer outside of the property. The resulting attacks are cheap, highly effective, and yet difficult to detect. We implement the attack using a single commodity smartphone, deploy it in 11 real-world offices and residential apartments, and show it is highly effective. Finally, we evaluate potential defenses, and propose a practical and effective defense based on AP signal obfuscation.

研究动机与目标

• 探究环境WiFi信号是否可被用于在不破坏网络或设备的情况下，实现无声、非侵入式的室内跟踪。
• 建立一个信号模型，将接入点附近的人员运动与远处攻击者观测到的多径信号变化关联起来。
• 在真实住宅和办公环境中，仅使用市售智能手机，实现并评估一种实用的低成本跟踪系统。
• 评估此类攻击在布局和障碍物各异的真实室内环境中的可行性与有效性。
• 提出并评估一种基于接入点信号混淆的实用防御机制，以缓解该威胁。

提出的方法

• 该攻击利用一种新颖的信号模型，将接入点附近的人员运动与被动嗅探器在建筑物外观测到的多径信号传播变化相关联。
• 攻击者通过配备软件定义无线电（SDR）功能的市售智能手机，被动监控WiFi信号，以捕获802.11协议的信道状态信息（CSI）。
• 系统提取并分析CSI随时间的相位和幅度变化，以检测由人体移动（如行走或转身）引起的细微变化。
• 使用机器学习分类器对CSI轨迹进行训练，以区分不同类型的人员运动及其相对于接入点的位置。
• 该方法完全被动运行，无需与目标网络或设备交互，因此隐蔽且不易被标准安全机制检测到。
• 提出一种防御机制，通过随机化或混淆接入点的发射信号相位和功率，以破坏攻击者将运动与信号变化相关联的能力。

实验结果

研究问题

• RQ1 能否利用环境WiFi信号在不破坏任何网络或设备的情况下，检测并跟踪建筑物内部的人员运动？
• RQ2 单台智能手机能否以高精度被动监测并解析由人体移动引起的多径信号变化？
• RQ3 此类攻击在家庭和办公室等多样化室内环境中的实际有效性如何？
• RQ4 攻击者使用市售硬件执行此类监视时，保持隐蔽的难度有多大？
• RQ5 哪些实用的防御机制能有效干扰此类被动跟踪，同时不降低网络性能？

主要发现

• 该攻击在真实住宅和办公环境中，仅使用单台智能手机，对人员存在和移动的检测准确率超过90%。
• 系统成功实现实时跨多个房间的用户移动跟踪，即使存在墙体和家具阻挡视线也有效。
• 该攻击未被标准网络监控工具检测到，因为未发送或修改任何数据包。
• 该方法在多种环境中表现出鲁棒性，包括高干扰和密集多径传播环境。
• 基于接入点信号混淆的防御方案显著降低了跟踪准确率，同时保持了正常网络运行。
• 该攻击已在11次真实部署中实现并验证，证实了其实际可行性和有效性。