My(o) 臂环泄露密码：一种基于 EMG 与 IMU 的键盘记录侧信道攻击
密码学与安全
2021-12-07 v1 机器学习
信号处理
摘要
持续收集用户各类传感器数据的可穿戴设备，增加了推断出无意敏感信息（如物理键盘上键入的密码）的可能性。我们深入研究了利用肌电（EMG）数据作为一种新上市但在增强现实（AR）可穿戴设备背景下近来受到关注的传感器模态，实施键盘记录侧信道攻击的潜力。我们的方法基于神经网络，在真实场景中使用 Myo 臂环收集传感器数据，进行跨受试者攻击。在我们的方法中，与加速度计和陀螺仪相比，EMG 数据被证明是最主要的信息来源，提升了按键检测性能。对于基于原始数据的端到端方法，我们报告的按键检测平均平衡准确率约为 76%，在 52 类不同强度密码的按键识别上平均 top-3 按键准确率约为 32%。我们创建了一个包含来自 37 名志愿者逾 310 000 次按键的广泛数据集，该数据集与用于生成上述结果的源代码一同开放获取。
引用
@article{arxiv.2112.02382,
title = {My(o) Armband Leaks Passwords: An EMG and IMU Based Keylogging Side-Channel Attack},
author = {Matthias Gazzari and Annemarie Mattmann and Max Maass and Matthias Hollick},
journal= {arXiv preprint arXiv:2112.02382},
year = {2021}
}
备注
24 pages, 10 figures, the source code is available at https://github.com/seemoo-lab/myo-keylogging and the dataset is available at https://doi.org/10.5281/zenodo.5594651