[论文解读] MagneticSpy: Exploiting Magnetometer in Mobile Devices for Website and Application Fingerprinting

Nikolay Matyunin, Yujue Wang+4 more|arXiv (Cornell University)|Jun 26, 2019

Green IT and Sustainability参考文献 31被引用 5

一句话总结

本文提出 MagneticSpy，一种侧信道攻击，通过智能手机中的磁力计传感器读数，利用CPU工作负载引起的电磁干扰来指纹识别运行中的网站和应用程序。该方法在无需用户权限的情况下，实现了高达91%的网站指纹识别准确率和90%的应用程序指纹识别准确率，甚至可通过通用传感器API在网页内执行。

ABSTRACT

Recent studies have shown that aggregate CPU usage and power consumption traces on smartphones can leak information about applications running on the system or websites visited. In response, access to such data has been blocked for mobile applications starting from Android 8. In this work, we explore a new source of side-channel leakage for this class of attacks. Our method is based on the fact that electromagnetic activity caused by mobile processors leads to noticeable disturbances in magnetic sensor measurements on mobile devices, with the amplitude being proportional to the CPU workload. Therefore, recorded sensor data can be analyzed to reveal information about ongoing activities. The attack works on a number of devices: we evaluated 80 models of modern smartphones and tablets and observed the reaction of the magnetometer to the CPU activity on 56 of them. On selected devices we were able to successfully identify which application has been opened (with up to 90% accuracy) or which web page has been loaded (up to 91% accuracy). The presented side channel poses a significant risk to end users' privacy, as the sensor data can be recorded from native apps or even from web pages without user permissions. Finally, we discuss possible countermeasures to prevent the presented information leakage.

研究动机与目标

• 探究移动设备中的磁力计传感器是否会因电磁干扰而泄露关于CPU活动的信息。
• 开发一种仅使用磁力计数据即可识别运行中的应用程序和访问网站的被动侧信道攻击。
• 评估此类指纹识别在原生应用和基于网页的场景（包括通过浏览器可访问的传感器）中的可行性。
• 评估此类信息泄露向量的隐私影响，并提出对策。

提出的方法

• 该方法分析从智能手机收集的磁力计读数，检测与CPU工作负载相关的磁场强度变化。
• 利用处理器电磁辐射会在磁力计中引起可测量扰动的事实，其幅度与CPU利用率成正比。
• 使用机器学习分类器对传感器轨迹进行训练，基于不同应用程序和网站的独特磁扰动模式进行区分。
• 该方法在80款现代智能手机和平板电脑上进行了评估，指纹识别在原生应用和通过通用传感器API进行的网页访问中均被实施。
• 探讨了降低采样率和限制传感器访问作为缓解策略。

实验结果

研究问题

• RQ1 移动设备中的磁力计读数是否可用于推断CPU工作负载，进而识别运行中的应用程序或访问的网站？
• RQ2 这种侧信道泄露在不同智能手机型号和操作系统上的持续程度如何？
• RQ3 该攻击是否可以在无需用户权限的情况下执行，包括通过浏览器API在网页内执行？
• RQ4 仅使用磁力计数据进行网站和应用程序指纹识别的准确率如何？
• RQ5 哪些是最有效的对策以防止此类信息泄露？

主要发现

• 该攻击在80款测试的智能手机和平板电脑中的56款上成功演示，证实了该侧信道在广泛设备上的易受性。
• 使用来自50个热门网站的磁力计轨迹训练的分类器，网站指纹识别准确率最高达到91%。
• 针对65个常用应用程序的集合，应用程序指纹识别准确率最高达到90%。
• 该方法无需用户权限即可运行，且可通过浏览器中的通用传感器API在网页内执行，显著扩大了攻击面。
• 将磁力计采样率降低至1 Hz会显著降低指纹识别准确率，尽管仍可能存在粗粒度检测的可能性。