[论文解读] IoT Inspector: Crowdsourcing Labeled Network Traffic from Smart Home Devices at Scale

Danny Yuxing Huang, Noah Apthorpe+3 more|arXiv (Cornell University)|Sep 21, 2019

Internet Traffic Analysis and Secure E-voting参考文献 29被引用 50

一句话总结

该论文介绍 IoT Inspector，是一个开源软件工具，用于从真实家庭众包大规模标记的智能家居网络流量，促进数据驱动研究，同时保护用户隐私。

ABSTRACT

The proliferation of smart home devices has created new opportunities for empirical research in ubiquitous computing, ranging from security and privacy to personal health. Yet, data from smart home deployments are hard to come by, and existing empirical studies of smart home devices typically involve only a small number of devices in lab settings. To contribute to data-driven smart home research, we crowdsource the largest known dataset of labeled network traffic from smart home devices from within real-world home networks. To do so, we developed and released IoT Inspector, an open-source tool that allows users to observe the traffic from smart home devices on their own home networks. Since April 2019, 4,322 users have installed IoT Inspector, allowing us to collect labeled network traffic from 44,956 smart home devices across 13 categories and 53 vendors. We demonstrate how this data enables new research into smart homes through two case studies focused on security and privacy. First, we find that many device vendors use outdated TLS versions and advertise weak ciphers. Second, we discover about 350 distinct third-party advertiser and tracking domains on smart TVs. We also highlight other research areas, such as network management and healthcare, that can take advantage of IoT Inspector's dataset. To facilitate future reproducible research in smart homes, we will release the IoT Inspector data to the public.

研究动机与目标

• 从真实家庭众包获取大规模标记的智能家居网络流量数据集。
• 提供易于使用、并注重隐私的工具，鼓励广泛参与。
• 标准化并验证设备标签，以实现跨设备研究的可靠性。
• 通过安全性/隐私案例研究展示数据集的价值，并鼓励可重复的研究。

提出的方法

• 开发一个基于软件的数据收集工具，用户在 macOS/Linux 上安装并以最少设置运行。
• 使用 ARP 扫描发现设备，利用 ARP 欺骗在不需要专用硬件的情况下拦截所选设备的流量。
• 收集网络流量数据（例如 TLS Client Hello、DNS 请求、主机名等）以及用户提供的设备标签。
• 在获得用户同意的前提下，对数据进行匿名化处理并安全上传，采用隐私保护做法。
• 将数据预处理为流并生成可读的端点标签，帮助用户理解其流量。
• 利用多种外部信息源对设备标签进行标准化和验证，以提高标签一致性。

实验结果

研究问题

• RQ1 来自真实家庭的众包标记网络流量能否扩展到跨越众多厂商的数万台设备？
• RQ2 在真实环境中的大规模标记物联网流量中可以得出哪些安全性和隐私洞见（例如 TLS 使用、第三方广告商）？
• RQ3 在与外部来源交叉验证时，用户提供的设备标签有多可靠，如何为研究用途对标签进行标准化？
• RQ4 提供实时用户洞察对参与度和数据收集质量有何影响？

主要发现

• 该数据集包含来自 4,322 名用户和 44,956 台设备的流量，其中 12,690 台设备的标签由用户标注。
• 有 25% 的用户收集到至少 2.8 小时的流量；有 10% 收集到至少 12.4 小时。
• 1,501 名用户手动标注了跨 53 个制造商的 8,131 台设备。
• 在观测的 53 个厂商中有 46 家使用 TLS，但若干厂商使用过时的 TLS 版本或不安全的加密套件。
• 在 19 家观测到的智能电视厂商中识别出 350 个不同的第三方广告商/追踪域。
• 该数据集使在安全性/隐私、网络管理和健康相关研究领域的分析成为可能。