A Practical Deep Learning-Based Acoustic Side Channel Attack on Keyboards

要約

最近のディープラーニングの発展、マイクの普及、個人用デバイスを介したオンライン サービスの増加により、音響サイドチャネル攻撃はキーボードにとってこれまで以上に大きな脅威となっています。
この論文では、スマートフォンに内蔵されたマイクを使用して、ラップトップのキーストロークを分類するための最先端の深層学習モデルの実際的な実装について説明します。
近くの電話で記録されたキーストロークでトレーニングされた場合、分類器は 95% の精度を達成しました。これは、言語モデルを使用しない場合に見られる最高の精度です。
ビデオ会議ソフトウェア Zoom を使用して記録されたキーストロークについてトレーニングしたところ、93% の精度が達成され、この媒体としては新たな最高を記録しました。
私たちの結果は、既製の機器とアルゴリズムを介したこれらのサイドチャネル攻撃の実用性を証明しています。
これらの一連の攻撃からユーザーを保護するための一連の緩和方法について説明します。

要約(オリジナル)

With recent developments in deep learning, the ubiquity of micro-phones and the rise in online services via personal devices, acoustic side channel attacks present a greater threat to keyboards than ever. This paper presents a practical implementation of a state-of-the-art deep learning model in order to classify laptop keystrokes, using a smartphone integrated microphone. When trained on keystrokes recorded by a nearby phone, the classifier achieved an accuracy of 95%, the highest accuracy seen without the use of a language model. When trained on keystrokes recorded using the video-conferencing software Zoom, an accuracy of 93% was achieved, a new best for the medium. Our results prove the practicality of these side channel attacks via off-the-shelf equipment and algorithms. We discuss a series of mitigation methods to protect users against these series of attacks.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google