[论文解读] Your PIN Sounds Good! On The Feasibility of PIN Inference Through Audio Leakage

Matteo Cardaioli, Mauro Conti+2 more|arXiv (Cornell University)|May 21, 2019

User Authentication and Security Systems参考文献 22被引用 4

一句话总结

本文表明，从PIN键盘输入时的音频反馈中提取的击键间隔时间可实现高度准确的PIN推断，准确率达98%，误差仅0.13毫秒。通过结合音频获取的击键时间间隔、已知一位数字、打字行为或热成像信息，该攻击可在三次尝试内猜中72%的四位数PIN，对ATM和PoS系统构成严重安全威胁。

ABSTRACT

Personal Identification Numbers (PIN) are widely used as authentication method for systems such as Automated Teller Machines (ATMs) and Point of Sale (PoS). Input devices (PIN pads) usually give the user a feedback sound when a key is pressed. In this paper, we propose an attack based on the extraction of inter-keystroke timing from the feedback sound when users type their PINs. Our attack is able to reach an accuracy of 98% with a mean error of 0.13 +/-6.66 milliseconds. We demonstrate that inter-keystroke timing significantly improves the guessing probability of certain subsets of PINs. We believe this represents a security problem that has to be taken into account for secure PIN generation. Furthermore, we identified several attack scenarios where the adversary can exploit inter-keystroke timing and additional information about the user or the PIN, such as typing behavior. Our results show that combining the inter-keystroke timing with other information drastically reduces attempts to guess a PIN, outperforming random guessing. With our attack, we are able to guess 72% of the 4-digit PINs within 3 attempts. We believe this poses a serious security problem for systems that use PIN-based authentication.

研究动机与目标

• 探究PIN键盘输入的音频反馈是否泄露可用于PIN推断的击键间隔时间信息。
• 评估击键间隔时间结合其他侧信道信息后，能将猜中PIN所需的尝试次数减少至何种程度。
• 评估此类攻击在现实世界中对广泛部署的基于PIN的认证系统（如ATM和PoS终端）的可行性与影响。
• 分析用户打字行为及部分PIN知识对基于音频的PIN推断成功率的影响。

提出的方法

• 使用智能手机或语音记录器等常见设备录制PIN键盘输入的音频。
• 通过信号处理技术从音频中提取击键间隔时间，重点检测连续按键之间的时间间隔。
• 训练基于机器学习的分类器，将击键间隔时间模式映射到可能的PIN序列。
• 在多种威胁模型下评估该攻击：基础攻击（仅依赖时间间隔）、已知一位数字（VPK）、打字行为（SFP）以及热成像（TA）。
• 将击键间隔时间与行为特征及部分PIN知识相结合，以模拟现实攻击场景。
• 进行统计分析，以衡量与随机猜测相比，猜中概率的提升程度。

实验结果

研究问题

• RQ1 能否使用常见录音设备从PIN键盘输入的音频反馈中可靠地提取击键间隔时间？
• RQ2 将击键间隔时间与已知一位PIN数字结合后，猜中PIN所需的尝试次数会减少多少？
• RQ3 用户打字行为（如单指输入）在多大程度上影响基于音频的PIN推断成功率？
• RQ4 在结合热成像时，击键间隔时间在重建PIN方面的有效性如何？
• RQ5 当结合多种侧信道信号（时间间隔、数字知识、行为特征、热成像数据）时，猜中PIN的尝试次数总体减少了多少？

主要发现

• 系统在检测反馈声音方面实现了98%的准确率，平均误差为0.13 ± 6.66毫秒。
• 75%的提取击键间隔时间的绝对误差低于7.66毫秒，表明时间恢复具有高精度。
• 将击键间隔时间与已知一位PIN数字结合后，攻击性能在前五次尝试内提升了14倍。
• 单指打字行为使攻击效果相比随机猜测提升了34倍，使72%的PIN可在三次尝试内被猜中。
• 当与热成像结合时，击键间隔时间使15%的PIN可在首次尝试中被猜中，相比仅使用热成像的攻击提升了四倍。
• 结合所有侧信道信号（时间间隔、数字知识、行为特征、热成像数据）后，可在五次尝试内猜中90%的PIN。