利用AI破坏移动设备上的用户隐私
密码学与安全
2020-07-09 v2 人工智能
摘要
过去几年中，文献表明利用现代处理器微架构的攻击对手机用户的隐私构成严重威胁。这是因为应用程序在处理器中留下独特的足迹，恶意软件可利用其推断用户活动。在这项工作中，我们表明当这些推断攻击与先进AI技术结合时，其实用性显著增强。特别地，我们专注于分析ARM处理器末级缓存（LLC）中的活动。我们采用基于简单Prime+Probe的监视技术获取缓存轨迹，并使用包括卷积神经网络在内的深度学习方法进行分类。我们在一台现成Android手机上展示了我们的方法，通过从无需权限的未授权App在远不足一分钟内发起成功攻击。该App从而以98%的准确率检测正在运行的应用程序，并通过监视LLC至多6秒来揭示打开的网站和流媒体视频。这是可能的，因为深度学习补偿了源自固有噪声LLC监视和不利缓存特性（如随机行替换策略）的测量干扰。总之，我们的结果表明，得益于先进AI技术，推断攻击在实践中变得惊人地易于实现和执行。这再次呼吁采取限制微架构泄漏并保护手机应用程序（尤其是那些重视用户隐私的）的对策。
引用
@article{arxiv.1811.11218,
title = {Undermining User Privacy on Mobile Devices Using AI},
author = {Berk Gulmezoglu and Andreas Zankl and M. Caner Tol and Saad Islam and Thomas Eisenbarth and Berk Sunar},
journal= {arXiv preprint arXiv:1811.11218},
year = {2020}
}