Eine KI-Methode, um “geschützte” PIN-Eingaben an Geldautomaten aufzudecken

Forscher in Italien und den Niederlanden haben eine maschinelle Lernmethode entwickelt, die in der Lage ist, die PIN-Nummer zu erraten, die ein Bankkunde in einen Geldautomaten eingibt, basierend auf aufgezeichneten Videos – sogar in Fällen, in denen der Kunde seine Hand bedeckt, um sich vor Schulterblicken zu schützen.

Die Methode umfasst das Training eines Convolutional Neural Network (CNN) und eines Long Short-Term Memory (LSTM)-Moduls auf Videos von “bedeckten Hand”-PIN-Eingaben an einem “Schatten”-Geldautomaten, der mit der gleichen Tastatur wie der Ziel-Geldautomat ausgestattet ist – Ausrüstung, die gekauft werden kann, wie die Forscher es für das Projekt getan haben, um einen “Spiegel”-Geldautomaten zu erstellen, um Daten zu sammeln.

Der falsche Geldautomat kann in privater Umgebung trainiert werden, wie die Forscher es getan haben, wodurch das Risiko von öffentlichen Installationen von falschen Geldautomaten, einer gängigen Vorgehensweise bei dieser Art von Verbrechen, vermieden wird.

Links, zwei Pin-Pad-Modelle, die für die italienische Forschung verwendet wurden. Rechts, der ‘Schatten’-Geldautomat, den die Forscher in Laborbedingungen konstruiert haben. Quelle: https://arxiv.org/pdf/2110.08113.pdf

Das System, das auf Handbewegungen und -positionen während der PIN-Eingabe basiert, kann derzeit 41% von 4-stelligen PINs und 30% von 5-stelligen PIN-Nummern innerhalb von drei Versuchen (in der Regel die maximale Anzahl von Versuchen, die eine Bank zulässt, bevor sie das Konto des Kunden sperrt) vorhersagen. Die Tests umfassten 58 Freiwillige, die zufällige PIN-Nummern verwendeten.

Die Forschung, deren Daten öffentlich zugänglich sind, zeigt, dass das vorgeschlagene System eine vierfache Verbesserung gegenüber der Fähigkeit eines Menschen bietet, eine PIN durch Schulterblicken eines Opfers zu erraten.

Die Studie trägt den Titel Hand Me Your PIN! Inferring ATM PINs of Users Typing with a Covered Hand und stammt von fünf Forschern der Universität Padua und einem Forscher der Technischen Universität Delft.

Die Forscher schlossen Aufnahmen aus, bei denen die Probanden die PIN-Tastatur nicht ausreichend bedeckten (links).

Die Forscher behaupten, dass ihr System bessere Ergebnisse erzielt als vorherige Arbeiten, die auf Zeit, Sound und thermischen Signaturen basieren, ohne eine Videoanalyse-Komponente.

Sie weisen auch darauf hin, dass eine erhöhte Aufmerksamkeit für “Skimming”-Geräte um den Karten-Einschub herum besteht, da dies eine traditionelle Methode des Angriffs ist, und dass Kunden keinen Grund haben, anzunehmen, dass versteckte Mikro-Kameras “durch” ihre bedeckten Hände “sehen” könnten oder dass der allgemeine Lärm der Tasten und der identische Feedback-Sound für jeden Tastendruck Informationen preisgeben könnten.

Die “zusätzliche” Ausrüstung des Geldautomaten würde daher an einem Ort angebracht werden, an dem niemand sie erwartet, unter der oberen Innenfläche des Geldautomaten, als eine Formgebung, die die Kamera-Ausrüstung versteckt – oder sogar vollständig außerhalb der Geldautomaten-Oberfläche, an einem nahegelegenen Gebäude oder Pfosten.

PIN-Geld

Trotz der schwerwiegenden Folgen eines Sicherheitsverstoßes sind PIN-Nummern unter den kürzesten und leichtesten zu erratenden Passwörtern, die wir verwenden; es wurde geschätzt, dass ein Angreifer bereits eine 1-zu-10-Chance hat, eine PIN korrekt zu erraten. Soziale Manipulation ist nicht immer notwendig, um sophisticatede AI-basierte Angriffe durchzuführen, da 1234 auf 11% aller PINs geschätzt wird, während 19 (als erster Teil eines Geburtsjahres) die ersten beiden Zahlen in über 80% der PIN-Nummern darstellt.

Dennoch haben die Autoren der neuen Studie sich diesen Vorteil nicht gegeben, sondern sich stattdessen darauf konzentriert, zu untersuchen, ob die Handbewegungen bei “geschützten” PIN-Eingaben ein entschlüsselbares Muster aufweisen, das darauf hindeutet, welche Zahlen gedrückt werden.

Um einen Basiswert zu etablieren, konstruierten die Forscher einen falschen Geldautomaten zum Zweck der Datensammlung (siehe erstes Bild oben). Dies stellt die vorgeschlagene hypothetische Angriffsmethode dar, bei der ein Angreifer über einen langen Zeitraum hinweg typische PIN-Eingabemerkmale passiv analysiert, um sich auf einen späteren “Überfall” auf Konten vorzubereiten.

Obwohl dieser sehr “studierende” Ansatz in sophisticateden ATM-Betrugsverbrechen häufig vorkommt, mit vielen Fällen von falschen Geldautomaten, die Kundendaten über einen langen Zeitraum hinweg ausschleusen, kann der Angreifer in diesem Fall den falschen Geldautomaten in seinem eigenen Raum aufstellen und ohne öffentliche Eingabe trainieren.

Da der Bildschirm des Geldautomaten während der PIN-Eingabe wahrscheinlich nicht verdeckt wird, kann die Zeit einer Taste durch Synchronisierung der Handbewegungen mit dem Erscheinen der “maskierten” Ziffern (in der Regel Sternchen) auf dem Bildschirm des Geldautomaten und auch durch generische Feedback-Geräusche (wie Pieptönen) bestimmt werden, die mit den Schlägen übereinstimmen. Diese Synchronisierung zeigt die genaue Handposition in einem “geschützten” Szenario im Moment der Eingabe.

Gezielte Angriffe auf bestimmte Tastaturen

Zunächst muss ein Modell durch Beobachtung und Aufzeichnung von PIN-Eingaben mit bedeckter Hand entwickelt werden. Ideal sollte die Tastatur ein spezifisches industrielles Standardmodell sein, obwohl einige Variationen in Millimetern die Methode nicht behindern. Die Zeitpunkte der Tastendrücke können durch audiovisuelle Hinweise (z. B. Feedback-Pieptöne, Tastenklappern und Sternchen-Rückmeldung) bestimmt werden.

Mit diesen Zeitpunkten kann der Angreifer die Extraktion eines Trainingssets automatisieren und ein Modell trainieren, das in der Lage ist, repräsentative Handkonfigurationen für das Drücken einer bestimmten Taste zu identifizieren. Dies ergibt eine Rangliste von Wahrscheinlichkeiten für die PIN der Karte, aus der die Top-Drei für den Angriff ausgewählt werden, wenn authentische Kundendaten von dem System in einem realen Szenario identifiziert werden.

Methodik

Die Datensammlung wurde in zwei Sitzungen durchgeführt, bei denen rechtsläufige Freiwillige für die Studie verwendet wurden. Jeder Teilnehmer gab 100 zufällig generierte 5-stellige PIN-Nummern ein, um eine gleichmäßige Abdeckung aller zehn möglichen Tastendrücke zu gewährleisten. Auf diese Weise sammelten die Forscher 5.800 einzelne PIN-Eingaben.

Die in den Tests verwendeten PIN-Pads waren die Modelle DAVO LIN D-8201F und DAVO LIN D-8203 B. Sie sind kommerzielle Modelle, die in Geldautomaten verwendet werden, und sind verfügbar, jeweils hier und hier (unter zahlreichen anderen Anbietern).

Die aufgezeichneten Video-Segmente wurden in Graustufen umgewandelt und normalisiert, bevor sie auf 250×250 Pixel für die maschinelle Lern-Trainings-Sitzungen verkleinert wurden. Clips wurden segmentiert, um Teilsequenzen von Frames zu erhalten, die Tastendrücken entsprechen. Audio-Hinweise (wie oben erwähnt) wurden als Zeitstempel-Marker für Druckereignisse verwendet.

Training

Die Datensätze wurden in Trainings-, Validierungs- und Test-Sätze aufgeteilt, wobei das Training auf einem Xeon(R) Intel CPU mit 2,60 GHz und 128 GB RAM stattfand. Die Daten wurden auf Keras2.3.0-tf (TensorFlow 2.2.0) und Python 3.8.6 auf drei Tesla K20m-GPUs mit jeweils 5 GB VRAM implementiert.

Um Variabilitäten in der Aufnahmeeinrichtung (Beleuchtung, leichte Unterschiede in Kamera-Winkeln usw.) zu berücksichtigen, wurden synthetische Beispiele und Störungen (wie Rotation und Blickverschiebung) generiert, und die Autoren berichten, dass diese Art von Datenvergrößerung eine große Hilfe bei der Verbesserung der Wirksamkeit des Modells ist.

Ergebnisse

Das Modell wurde in drei Szenarien getestet: ‘Einzelne PIN-Tastatur’, bei der der Angreifer das Modell der PIN-Tastatur kennt und speziell dafür trainiert; ‘PIN-Tastatur-unabhängig’, bei der das Modell auf einer Tastatur trainiert wird, die ähnlich (aber nicht identisch) mit der Ziel-PIN-Tastatur ist; und ein ‘gemischtes Szenario’, bei dem der Angreifer eine Kopie beider PIN-Tastaturen hat.

Allgemeine Ergebnisse über die drei Szenarien, wobei Top-N eine Vermutung der Ziffer innerhalb von N Versuchen bedeutet.

Es gibt einen bemerkenswerten Unterschied in der Genauigkeit bei der Inferenz von 5-stelligen im Vergleich zu 4-stelligen PINs:

Gegenmaßnahmen

Bei der Betrachtung von Gegenmaßnahmen gegen bestehende Systeme (d. h. ohne eine radikale Neukonzeption der gesamten PIN-/Geldautomaten-Sicherheitsinfrastruktur) kommen die Forscher zu dem Schluss, dass es keine wirklich wirksamen Verteidigungen gegen diesen Angriff gibt.

Die Verlängerung der Mindestanzahl der Ziffern in einer PIN würde die Zahlen schwieriger zu merken machen; die Zufallsverteilung der Ziffern auf der Tastatur mit einer Touchscreen-Software-Tastatur, obwohl dies in Geldautomaten-Installationen zunehmend vorkommt, produziert auch Benutzerprobleme; und Bildschirm-Schutzfolien würden nicht nur teuer in der Installation auf bestehenden Geldautomaten sein, sondern würden auch argumentieren, dass die Angriffsmethode des Papiers sogar einfacher zu implementieren wäre, je nachdem, wie viel Abdeckung sie bieten. Die Forscher behaupten, dass ihr Angriff auch dann funktioniert, wenn 75% der PIN-Tastatur abgedeckt sind (und eine größere Abdeckung es dem Kunden schwer machen würde, zu tippen).

Bei der Entwicklung einer menschlichen Äquivalent-Version der automatischen PIN-Extraktion konnten reale Menschen im Gegensatz dazu nur einen Bruchteil der Genauigkeit des KI-Systems bei der Vermutung von PINs auf der Grundlage der gleichen Informationen erreichen.

In zukünftigen Entwicklungen dieser Arbeit planen die Forscher, Ergebnisse von nicht rechtsläufigen Personen zu untersuchen und Strategien zur Abdeckung der Hände zu erforschen, die den Angriff möglicherweise abmildern könnten. Sie planen auch, die Experimente mit einer größeren Vielfalt an Altersgruppen und Rassen zu wiederholen, da sie feststellen, dass ältere Menschen bei der Eingabe einer PIN bedeutendere und aussagekräftigere Handbewegungen machen und dass der Angriff “Schwierigkeiten haben wird, für Menschen anderer Rassen zu funktionieren” (als kaukasische). Sie glauben, dass eine Kombination aus Bild- und Tondaten möglicherweise den Angriff noch effektiver machen könnte.