EavesDroid：通过智能手机操作系统侧信道窃听用户行为

随着物联网（Internet of Things, IoT）的持续发展，智能手机已成为物联网系统的重要组成部分。然而，随着智能手机上存储的个人信息日益增多，用户隐私面临被恶意攻击者泄露的风险。尽管智能手机上通常安装有恶意软件检测引擎以防范此类攻击，但仍可能出现能够规避这些防御的攻击。在本文中，我们分析了Android智能手机上系统调用的返回值，发现了两个从未被披露的易受攻击的返回值，它们会泄露细粒度的用户行为。基于该观察，我们提出了EavesDroid，一种嵌入应用的Android智能手机侧信道攻击，使无特权攻击者能够通过屏幕操作准确识别细粒度的用户行为（如查看消息和播放视频）。我们的攻击依赖于用户行为与同硬件及系统资源相关的返回值之间的相关性。尽管由于这些返回值易受多种因素引起的波动和错位影响，该攻击具有挑战性，但我们表明攻击者可使用采用最小-最大归一化（min-max normalization）与多返回值融合的CNN-GRU分类模型来窃听细粒度用户行为。我们在不同型号和版本的Android智能手机上的实验表明，EavesDroid在测试集和真实世界设置下对17类用户行为的推理准确率分别达到98%和86%，凸显了我们的攻击对用户隐私的威胁。最后，我们建议采用有效的恶意软件检测、精心设计的混淆方法或限制读取易受攻击的返回值来缓解该攻击。