[论文解读] PIN Skimming: Exploiting the Ambient-Light Sensor in Mobile Devices

Raphael Spreitzer|arXiv (Cornell University)|May 15, 2014

Advanced Malware Detection Techniques参考文献 30被引用 10

一句话总结

本文提出了一种新颖的侧信道攻击，利用移动设备中的环境光传感器，通过分析设备的微小移动来推断用户的PIN输入。通过机器学习分析传感器数据，作者证明在十次尝试内可正确猜中80%的PIN，显著优于随机猜测，且无需任何特殊权限，对用户隐私构成严重威胁。

ABSTRACT

In this paper, we propose a new type of side channel which is based on the ambient-light sensor employed in today's mobile devices. The pervasive usage of mobile devices, i.e., smartphones and tablet computers and their vast amount of sensors represent a plethora of side channels posing a serious threat to the user's privacy and security. While recent advances in this area of research focused on the employed motion sensors and the camera as well as the sound, we investigate a less obvious source of information leakage, namely the ambient light. We successfully demonstrate that minor tilts and turns of mobile devices cause variations of the ambient-light sensor information. Thus, we are the first to show that this sensor leaks sensitive information. Furthermore, we demonstrate that these variations leak enough information to infer a user's personal identification number (PIN) input based on a set of known PINs. Our results show that we are able to determine the correct PIN---out of a set of 50 random PINs---within the first ten guesses about 80% of the time. In contrast, the chance of finding the right PIN by randomly guessing ten PINs would be 20%. Since the data required to perform such an attack can be gathered without any specific permissions or privileges, the presented side channel seriously jeopardizes the security and privacy of mobile-device owners.

研究动机与目标

• 探究移动设备中的环境光传感器是否可作为泄露敏感输入数据（如PIN）的侧信道。
• 评估利用环境光传感器数据在无需特殊权限的情况下推断用户输入的可行性。
• 证明机器学习可有效基于光传感器变化对PIN输入模式进行分类。
• 识别现代智能手机中基于传感器的侧信道在安全与隐私方面的潜在影响。
• 为移动操作系统中的基于传感器的侧信道漏洞提出缓解策略。

提出的方法

• 作者在用户输入PIN的过程中，从多种智能手机收集了环境光传感器数据，捕捉由设备轻微倾斜和转动引起的波动。
• 从原始传感器数据中提取特征向量，包括RGBW强度值和时间模式，以表征输入动态。
• 使用三种机器学习分类器——随机森林、支持向量机（SVM）和多层感知机——对已知PIN进行训练，以识别传感器数据中的模式。
• 在不同设备、环境（室内/室外）和输入方式下对系统进行测试，以评估其鲁棒性和泛化能力。
• 与先前使用运动传感器或摄像头的研究进行对比，突出其优势，如无需权限要求且无音视频反馈。
• 通过一组50个已知PIN对攻击模型进行评估，结果在前十次猜测内成功识别出正确PIN的比例达到80%。

实验结果

研究问题

• RQ1 能否通过设备的微小移动，利用环境光传感器数据推断用户的PIN输入？
• RQ2 机器学习在基于环境光传感器读数对PIN输入模式进行分类方面的有效性如何？
• RQ3 传感器分辨率、采样率和设备类型对攻击成功率的影响是什么？
• RQ4 与使用加速度计或摄像头的现有侧信道攻击相比，该攻击在隐蔽性和准确性方面表现如何？
• RQ5 当无需权限的传感器泄露敏感输入信息时，对用户隐私和安全有何影响？

主要发现

• 现代智能手机中的环境光传感器泄露了足够信息，可通过设备的微小移动推断用户的PIN输入，证实其作为可行侧信道的潜力。
• 在给定50个已知PIN的情况下，该攻击在前十次猜测内成功识别正确PIN的比例达到80%，远高于随机猜测的20%成功率。
• 使用RGBW强度数据可提升攻击准确率，对未知PIN的攻击在五次猜测内成功率达65%。
• 该攻击无需特殊权限，可无声运行且无音视频反馈，任何具备基本传感器访问权限的应用均可实施。
• 所有测试的现代智能手机（包括三星、谷歌、HTC和LG设备）均因配备高分辨率、高采样率的环境光传感器而易受攻击。
• 本研究强调了亟需实施细粒度权限控制和提升用户安全意识，以缓解此类基于传感器的侧信道威胁。