利用解耦表征改进低数据下基于视觉的击键推断攻击
计算机视觉与模式识别
2022-04-07 v1 密码学与安全
摘要
击键推断攻击是一种侧信道攻击，攻击者可利用多种技术恢复用户在向某显示器输入信息（如发送短信或输入密码）时的按键。通常这些攻击借助机器学习方法，但由于难以获取大量真实生活数据集，对威胁空间现实性的评估滞后于机器学习进展。我们旨在通过引入一种视频域适应技术来克服真实数据数量有限的挑战，该技术能够通过有监督解耦学习利用合成数据。具体而言，对给定域，我们将观测数据分解为两个变化因子：风格与内容。由此得到四种习得表征：真实生活风格、合成风格、真实生活内容与合成内容。然后我们将它们组合为跨域风格-内容配对所有组合的特征表征，并在这些组合表征上训练模型以分类另一域风格下给定数据点的内容（即标签）。我们使用多种度量在真实生活数据上评估方法，以量化攻击者可恢复的信息量。我们表明，我们的方法防止模型过拟合于小规模真实生活训练集，说明其是一种有效的数据增强形式，从而使击键推断攻击更具实用性。
引用
@article{arxiv.2204.02494,
title = {Leveraging Disentangled Representations to Improve Vision-Based Keystroke Inference Attacks Under Low Data},
author = {John Lim and Jan-Michael Frahm and Fabian Monrose},
journal= {arXiv preprint arXiv:2204.02494},
year = {2022}
}