基于手腕运动的数码识别及智能手腕可穿戴物联网设备的安全隐患
密码学与安全
2020-05-01 v1 机器学习
机器学习
摘要
在本文中，我们研究手腕可穿戴设备的一个潜在安全漏洞。常见可穿戴设备上的硬件组件包括加速度计和陀螺仪以及其他传感器。我们证明加速度计和陀螺仪能够捕获足够独特手腕运动信息，以识别用户正在书写的数字。利用包含400个书写样本（数字0或数字1）的数据集，我们构建了一个机器学习模型，基于手腕运动正确识别所书写的数字。我们的模型在未见测试集上的表现得到了受试者工作特征曲线下面积（AUROC）为1.00。将模型加载到我们制作的设备上后，在实时预测十个书写样本时达到了100%准确率。该模型通过手腕运动和方向变化正确识别所有数字的能力引发了安全担忧。我们的结果表明，恶意人员可能能够从手腕可穿戴设备获取基于数字的敏感信息，如社会保障号、信用卡号和医疗记录号。
引用
@article{arxiv.2004.14777,
title = {Digit Recognition From Wrist Movements and Security Concerns with Smart Wrist Wearable IOT Devices},
author = {Lambert T. Leong and Sean Wiere},
journal= {arXiv preprint arXiv:2004.14777},
year = {2020}
}
备注
7 pages, 5 figures, 10 tables, in Proc Hawaii International Conference on System Science (HICSS)