[论文解读] White Mirror: Leaking Sensitive Information from Interactive Netflix Movies using Encrypted Traffic Analysis

Gargi Mitra, Prasanna Karthik Vairam+3 more|arXiv (Cornell University)|Mar 15, 2019

Internet Traffic Analysis and Secure E-voting被引用 7

一句话总结

本文提出了一种新颖的侧信道攻击，通过分析客户端JSON数据包的SSL记录长度，从加密的交互式Netflix电影（特别是《黑镜：黑镜》）中推断出细粒度的用户选择。该方法在识别用户决策方面实现了96%的准确率，揭示了加密流量中的行为模式。

ABSTRACT

Privacy leaks from Netflix videos/movies is well researched. Current state-of-the-art works have been able to obtain coarse-grained information such as the genre and the title of videos by passive observation of encrypted traffic. However, leakage of fine-grained information from encrypted traffic has not been studied so far. Such information can be used to build behavioural profiles of viewers. On 28th December 2018, Netflix released the first mainstream interactive movie called 'Black Mirror: Bandersnatch'. In this work, we use this movie as a case-study to show for the first time that fine-grained information (i.e., choices made by users) can be revealed from encrypted traffic. We use the state information exchanged between the viewer's browser and Netflix as the side-channel. To evaluate our proposed technique, we built the first interactive video traffic dataset of 100 viewers; which we will be releasing. Preliminary results indicate that the choices made by a user can be revealed 96% of the time in the worst case.

研究动机与目标

• 调查交互式Netflix电影的加密流量是否可能泄露细粒度的用户选择，而不仅限于基本的视频元数据。
• 识别并利用加密流量中此前未被探索的侧信道，以推断用户行为。
• 构建首个公开可用的、包含真实用户选择和行为属性的加密交互式视频流量数据集。
• 评估所提出的流量分析技术在不同操作系统、浏览器和网络条件下的鲁棒性。

提出的方法

• 作者分析了《黑镜：黑镜》的流媒体行为，该影片基于用户在决策点的选择采用检查点式、非线性的播放机制。
• 他们识别出客户端发送的两类JSON数据包：类型1（当用户到达选择点时发送）和类型2（当用户做出非默认选择时发送），这两类数据包在大小上存在差异，从而导致SSL记录长度不同。
• 关键洞察在于，即使在加密流量中，SSL记录长度也能在多种环境中区分类型1与类型2的JSON数据包。
• 该方法利用SSL记录长度分布作为侧信道，无需解密流量即可推断用户选择。
• 作者在不同条件（操作系统、浏览器、连接类型、一天中不同时段）下对10次观看会话进行了技术验证。
• 他们收集了100名观看者的同步加密流量追踪数据与真实选择日志，包括年龄、性别、政治立场和心理状态等行为元数据。

实验结果

研究问题

• RQ1 被动监听者是否仅通过网络侧信道信息，就能推断出加密交互式视频流中的细粒度用户选择？
• RQ2 客户端数据包的SSL记录长度是否可作为可靠侧信道，用于区分交互式视频播放中的用户决策？
• RQ3 该侧信道攻击在不同操作系统、浏览器、网络类型和一天中不同时段等多样化运行环境下的鲁棒性如何？
• RQ4 在交互式视频平台中，从加密流量中能在多大程度上重建观看者的行为画像？

主要发现

• 所提出的方法在最坏情况下仍能以96%的准确率基于SSL记录长度区分类型1与类型2的JSON数据包。
• 该侧信道在多种操作系统（Windows、Linux、Mac）、浏览器（Chrome、Firefox）、设备类型（台式机、笔记本）以及网络条件（有线、无线、不同时段）下均保持有效。
• 研究发现，Netflix会预取每个决策路径的默认分支，从而形成可检测的流量模式，可被利用以推断非默认选择。
• 作者发布了IITM-Bandersnatch数据集，包含100名观看者的加密流量追踪数据与真实选择记录，以及年龄组、性别、政治立场和情绪状态等行为元数据。
• 结果表明，即使采用端到端加密，交互式视频平台仍可能通过加密流量中的时序和大小侧信道泄露敏感的行为信息。
• 该研究突显了在互动媒体中被动流量分析的风险，表明当前的防护措施可能不足以抵御此类侧信道攻击。