[论文解读] Mobile phone identification through the built-in magnetometers

Gianmarco Baldini, Gary Steri+2 more|arXiv (Cornell University)|Jan 26, 2017

Digital Media Forensic Detection参考文献 4被引用 4

一句话总结

本文提出了一种新颖的方法，通过使用螺线管施加受控波形刺激手机内置磁力计，并利用统计特征与支持向量机（SVM）分类法分析其数字输出，实现对移动电话的识别。该方法在区分不同型号和品牌手机（跨型号）方面表现出高精度，但在区分同一型号手机（同型号内）方面仅表现出有限的精度，且波形复杂度的提升可改善验证性能。

ABSTRACT

Mobile phones identification through their built in components has been demonstrated in literature for various types of sensors including the camera, microphones and accelerometers. The identification is performed by the exploitation of the small but significant differences in the electronic circuits generated during the production process. Thus, these differences become an intrinsic property of the electronic components, which can be detected and become an unique fingerprint of the component and of the mobile phone. In this paper, we investigate the identification of mobile phones through their builtin magnetometers, which has not been reported in literature yet. Magnetometers are stimulated with different waveforms using a solenoid connected to a computer s audio board. The identification is performed analyzing the digital output of the magnetometer through the use of statistical features and the Support Vector Machine (SVM) machine learning algorithm. We prove that this technique can distinguish different models and brands with very high accuracy but it can only distinguish phones of the same model with limited accuracy.

研究动机与目标

• 探究移动电话磁力计是否可作为设备识别的唯一物理指纹。
• 评估利用磁力计输出实现跨型号与同型号识别的可行性。
• 评估该方法在噪声和时间变化条件下的鲁棒性。
• 确定不同激励波形对识别精度的影响。

提出的方法

• 使用连接至计算机音频输出的螺线管生成受控磁场波形，以刺激手机中的磁力计。
• 采集并处理磁力计的数字输出信号，提取均值、方差、偏度和峰度等统计特征。
• 应用支持向量机（SVM）分类法，基于磁力计响应区分不同手机。
• 测试了多种长度和复杂度不同的激励波形（A、B 和 C），以评估其对识别精度的影响。
• 引入加性白高斯噪声（AWGN）以模拟真实世界信号退化，并评估鲁棒性。
• 通过多日测试的等错误率（EER）评估验证性能，以检验时间稳定性。

实验结果

研究问题

• RQ1 能否基于手机内置磁力计的固有差异实现唯一识别？
• RQ2 利用磁力计指纹进行跨型号识别（不同品牌和型号之间）的准确率如何？
• RQ3 该方法在多大程度上可实现同型号识别（相同型号手机之间）？
• RQ4 不同激励波形如何影响识别精度和训练时间？
• RQ5 在加性高斯噪声和时间变化条件下，识别系统的鲁棒性如何？

主要发现

• 跨型号识别达到极高精度，最复杂波形（C）的平均等错误率（EER）为0.00303。
• 同型号识别表现有限，最佳波形（C）的平均EER为0.195，表明对同型号手机的区分程度适中但不强烈。
• 该方法表现出高度的时间稳定性，当比较同一部手机在不同日期的表现时，EER值接近随机猜测水平（EER ≈ 0.5）。
• 高斯噪声显著降低性能，信噪比（SNR）为0时EER升至0.43，表明对信号衰减敏感。
• 较长且更复杂的波形（如波形C）相比短或简单的波形，能提升识别精度，尽管会增加处理时间。
• 统计特征提取与SVM分类的结合，实现了基于磁力计响应对移动电话的可靠分类与验证。