Un método de IA para revelar entradas de PIN ‘protegidas’ en cajeros automáticos

Investigadores en Italia y los Países Bajos han desarrollado un método de aprendizaje automático capaz de inferir el número de PIN que un cliente de un banco introduce en un cajero automático, basándose en un video capturado, incluso en casos en los que el cliente cubre su mano para protegerse contra el “hombro-surfing”.

El método implica entrenar una Red Neuronal Convolucional (CNN) y un módulo de Memoria a Corto Plazo (LSTM) en videos de entradas de PIN con la mano cubierta en un cajero automático “de sombra” que ha sido equipado con el mismo teclado que el cajero automático objetivo, equipo que se puede comprar, como lo hicieron los investigadores para el proyecto, recreando un cajero automático “espejo” para recopilar los datos.

El cajero automático falso se puede entrenar en privado, como lo han hecho los investigadores, lo que elimina el riesgo de instalaciones públicas de cajeros automáticos falsos, un modus operandi común en este tipo de delito.

A la izquierda, dos modelos de teclado de PIN utilizados para la investigación italiana. A la derecha, el cajero automático ‘de sombra’ que los investigadores construyeron en condiciones de laboratorio. Fuente: https://arxiv.org/pdf/2110.08113.pdf

El sistema, que se basa en los movimientos y la posición de la mano durante la entrada del PIN, puede predecir actualmente el 41% de los PIN de 4 dígitos y el 30% de los PIN de 5 dígitos en tres intentos (generalmente el número máximo de intentos que un banco permitirá antes de bloquear la cuenta del cliente). Las pruebas involucraron a 58 voluntarios que utilizaron números de PIN aleatorios.

La investigación, cuyos datos están disponibles públicamente, encuentra que el sistema propuesto ofrece una mejora cuatro veces mayor en la capacidad de un ser humano para adivinar un PIN mediante el “hombro-surfing” de una víctima.

El artículo se titula ¡Dame tu PIN! Inferir PIN de usuarios que teclean con la mano cubierta, y proviene de cinco investigadores de la Universidad de Padua y uno de la Universidad de Tecnología de Delft.

Los investigadores excluyeron capturas donde los sujetos no cubrieron adecuadamente el teclado de PIN (izquierda).

Los investigadores sostienen que su sistema logra resultados superiores a trabajos anteriores que se basan en la temporización, el sonido y las firmas térmicas, sin un componente de análisis de video.

También señalan que el aumento de la conciencia sobre los dispositivos de “skimming” se centra en la ranura de entrada de la tarjeta, ya que este es un método tradicional de ataque, y que los clientes no tienen razón para creer que cámaras microscópicas ocultas puedan “ver a través” de sus manos cubiertas, o que el ruido genérico de las teclas y el sonido de retroalimentación idéntico para cada pulsación de tecla puedan divulgar alguna información.

El “equipo adicional” del cajero automático aparecería, por lo tanto, en un lugar donde nadie lo espera actualmente, bajo la superficie interior superior del cajero automático, como un recinto moldeado que oculta el equipo de cámara, o incluso completamente fuera de la superficie del cajero automático, adjunto a un edificio o poste cercano.

Dinero PIN

A pesar de las graves consecuencias de una violación, los números de PIN son entre las contraseñas más cortas y fáciles de adivinar que utilizamos; se ha estimado que un atacante ya tiene una probabilidad de 1 en 10 de adivinar un PIN correctamente. La ingeniería social no siempre es un complemento necesario para ataques más sofisticados basados en IA, ya que 1234 se ha estimado que representa el 11% de todos los PIN, mientras que 19 (como la primera parte de un año de nacimiento) representa los dos primeros números en más del 80% de los números de PIN.

No obstante, los autores del nuevo artículo no se han dado esta ventaja, sino que han buscado investigar si el movimiento de la mano al teclear un PIN “protegido” tiene un patrón descifrable que pueda indicar qué números se están presionando.

Para establecer una base, los investigadores construyeron un cajero automático falso para recopilar datos (ver la primera imagen de arriba). Esto representa el método de ataque hipotético propuesto, donde un malhechor analizará pasivamente las características típicas de entrada de PIN durante un largo período de tiempo para prepararse para un posterior “ataque” a las cuentas.

Aunque este enfoque “estudiado” es común en delitos de fraude de cajeros automáticos sofisticados, con muchos casos de cajeros automáticos falsos que exfiltran datos de clientes durante un largo período, en este caso el atacante puede configurar el cajero automático falso en su propio espacio y entrenarlo sin entrada pública.

Dado que la pantalla del cajero automático no es probable que esté oculta durante la entrada del PIN, el momento de una pulsación de tecla se puede establecer sincronizando los movimientos de la mano con la aparición de los dígitos “enmascarados” (generalmente asteriscos) que aparecen en la pantalla del cajero automático en respuesta a la entrada del usuario, y también a los sonidos de retroalimentación genéricos (como pitidos) que coinciden con los movimientos. Esta sincronización revela la disposición exacta de la mano en un escenario “protegido” en el momento de la entrada.

Dirigiendo teclados específicos

Primero, se debe desarrollar un modelo mediante la observación y grabación de entradas de PIN con la mano cubierta. Idealmente, el teclado debe ser un modelo estándar de la industria, aunque algunas variaciones de milímetros no detendrán el método. Los tiempos de pulsación de tecla se pueden obtener mediante señales de audio y visuales (es decir, pitidos de retroalimentación, ruido de teclas y asteriscos de retroalimentación).

Con estos puntos de referencia, el atacante puede automatizar la extracción de un conjunto de entrenamiento y proceder a entrenar un modelo capaz de identificar configuraciones de mano representativas para la pulsación de una tecla específica. Esto producirá una lista clasificada de probabilidades para el PIN de la tarjeta, de la cual se seleccionarán los tres primeros para el ataque cuando se identifique datos de cliente auténticos en un escenario real.

Metodología

La recopilación de datos se llevó a cabo en dos sesiones, utilizando voluntarios diestros para el estudio. Cada participante tecleó 100 números de PIN de 5 dígitos generados aleatoriamente, para asegurar una cobertura uniforme de todas las posibles pulsaciones de teclas del teclado. De esta manera, los investigadores recopilaron 5.800 entradas de PIN individuales.

Los teclados de PIN utilizados en las pruebas fueron los modelos DAVO LIN D-8201F y DAVO LIN D-8203 B. Son modelos comerciales utilizados en cajeros automáticos y están disponibles, respectivamente, aquí y aquí (entre muchos otros vendedores).

Los segmentos de video recopilados se convirtieron a escala de grises y se normalizaron y recortaron, antes de ser redimensionados a 250×250 píxeles para su inclusión en las sesiones de entrenamiento de aprendizaje automático. Los clips se segmentaron para obtener subsecuencias de fotogramas relacionados con las pulsaciones de teclas. Las señales de audio (como se mencionó anteriormente) se utilizaron como marcadores de tiempo para los eventos de pulsación.

Entrenamiento

Los conjuntos de datos se dividieron en conjuntos de entrenamiento, validación y prueba, con el entrenamiento que tuvo lugar en un procesador Intel Xeon(R) que funciona a 2,60 GHz y equipado con 128 GB de RAM. Los datos se implementaron en Keras 2.3.0-tf (TensorFlow 2.2.0) y Python 3.8.6 en tres GPU Tesla K20m con 5 GB de VRAM cada uno.

Para tener en cuenta la variabilidad en los entornos de captura (iluminación, ligeras diferencias en los ángulos de la cámara, etc.), se generaron ejemplos sintéticos y perturbaciones (como rotación y cambio de vista), y los autores informan que este tipo de aumento de datos es una gran ayuda para mejorar la eficacia del modelo.

Resultados

El modelo se probó en tres escenarios: ‘teclado de PIN único’, donde el atacante conoce el modelo de teclado de PIN y lo entrena específicamente para él; ‘teclado de PIN independiente’, donde el modelo se entrena en un teclado que es similar (pero no idéntico) al teclado de PIN objetivo; y un escenario ‘mixto’, donde el atacante tiene una copia de ambos teclados de PIN.

Resultados generales en los tres escenarios, donde Top-N significa una suposición del dígito dentro de N intentos.

Hay una diferencia notable en la precisión para la inferencia de PIN de 5 dígitos en comparación con los PIN de 4 dígitos:

Contra-medidas

Al considerar contra-medidas para los sistemas existentes (es decir, sin una reestructuración radical de toda la infraestructura de seguridad de PIN y cajero automático), los investigadores consideran que no hay defensas realmente efectivas contra este tipo de ataque.

Alargar el número mínimo de dígitos requeridos en un PIN haría que los números sean más difíciles de recordar; randomizar el orden de los números del teclado con un teclado de pantalla táctil, aunque cada vez más común en las implementaciones de cajeros automáticos, también produce problemas de usabilidad; y los protectores de pantalla no solo serían costosos de implementar en cajeros automáticos existentes, sino que, según los investigadores, harían que el método de ataque del artículo sea aún más fácil de implementar, dependiendo de la cobertura que proporcione. Los investigadores afirman que su ataque es viable incluso cuando el 75% del teclado de PIN está cubierto (y cubrir más haría que sea difícil para el cliente teclear).

Al diseñar un equivalente humano para la extracción automática de PIN, las personas reales solo pudieron lograr una fracción de la precisión del sistema de IA en la suposición de PIN, basándose en la misma información.

En el futuro desarrollo del trabajo, los investigadores pretenden examinar los resultados de personas no diestras y investigar estrategias de cubrimiento de la mano que podrían mitigar el ataque. También pretenden repetir los experimentos con una mayor diversidad de edades y razas, ya que observan que las personas mayores hacen movimientos de mano más significativos y reveladores al introducir un PIN, y que el ataque “tendrá dificultades para funcionar en personas de otras razas” (que no sean caucásicas).