Snoopy：通过深度序列学习嗅探你的智能手表密码
人机交互
2019-12-12 v2 密码学与安全
机器学习
摘要
近年来，可独立运行于智能手机之外并提供更多实用功能的新型智能手表需求激增，使其成为一流的移动互联网平台。人们可在无配对手机的情况下于智能手表上访问网络银行甚至进行支付。这使得智能手表更具吸引力，也更易遭受恶意攻击，而此类攻击迄今在很大程度上被忽视。在本文中，我们展示Snoopy，一个密码提取与推断系统，其仅通过窃听运动传感器，便能在20次尝试内准确推断在Android/Apple手表上输入的密码。Snoopy采用统一框架提取密码输入时的运动数据片段，并利用新型深度神经网络推断实际密码。我们在真实世界中以362名参与者的数据评估所提Snoopy系统，表明相较最先进水平，我们的系统在密码推断准确率上提升3倍，且不消耗过多能量或计算资源。我们还表明Snoopy对用户与设备异质性极具韧性：其可在众包运动数据（例如经由Amazon Mechanical Turk）上训练，随后用于攻击新用户的密码，即便其佩戴不同型号设备。本文表明，若落入恶意者手中，Snoopy可能潜在引发敏感信息的严重泄露。通过提高警觉，我们邀请学界与制造商重新审视可穿戴智能设备持续运动感知的风险。
引用
@article{arxiv.1912.04836,
title = {Snoopy: Sniffing Your Smartwatch Passwords via Deep Sequence Learning},
author = {Chris Xiaoxuan Lu and Bowen Du and Hongkai Wen and Sen Wang and Andrew Markham and Ivan Martinovic and Yiran Shen and Niki Trigoni},
journal= {arXiv preprint arXiv:1912.04836},
year = {2019}
}
备注
27 pages. Originally published at ACM UbiComp 2018. This version corrects some errors in the original version and add the pointer to released code & dataset