Розроблена методика штучного інтелекту для розкриття захищених вводів PIN-кодів в банкоматах

Дослідники в Італії та Нідерландах розробили метод машинного навчання, здатний визначити PIN-код, який вводить клієнт банку в банкомат, на основі відеозапису – навіть у випадках, коли клієнт прикриває свою руку, щоб захиститися від спостереження.

Метод полягає в тому, щоб навчати Конвольюційний Нейронний Мережу (CNN) і модуль Long Short-Term Memory (LSTM) на відеозаписах вводів PIN-кодів з прикритою рукою на “тіньовому” банкоматі, який обладнаний такою ж клавіатурою, як і цільовий банкомат – обладнання, яке можна придбати, як це зробили дослідники для проекту, реконструюючи “дзеркальний” банкомат для збору даних.

Фальшивий банкомат можна тренувати в приватному порядку, як це зробили дослідники, усуваючи ризик публічної установки фальшивих банкоматів, звичайної модус операнді цього типу злочинів.

Ліворуч, дві моделі клавіатури, використані для італійських досліджень. Праворуч, «тіньовий» банкомат, який дослідники побудували в лабораторних умовах. Джерело: https://arxiv.org/pdf/2110.08113.pdf

Система, яка ґрунтується на рухах і позиціонуванні руки під час вводу PIN-коду, може зараз передбачити 41% 4-значних PIN-кодів і 30% 5-значних PIN-кодів за три спроби (зазвичай максимальна кількість спроб, яку банк дозволяє перед блокуванням рахунку клієнта). Тести проводилися з 58 добровольцями, які вводили випадкові PIN-коди.

Дослідження, дані якого доступні публічно, показують, що запропонована система пропонує чотирикратне покращення здатності людини вгадати PIN-код шляхом спостереження за жертвою.

Стаття називається Дайте мені ваш PIN! Визначення PIN-кодів банкоматів користувачів, які вводять з прикритою рукою, і походять від п’яти дослідників Університету Падуї та одного дослідника Дельфтського технічного університету.

Дослідники виключили зйомки, де суб’єкти не прикривали достатньо клавіатуру PIN-коду (ліворуч).

Дослідники стверджують, що їхня система досягає кращих результатів, ніж попередня робота, яка ґрунтується на часу, звуку та теплових сигнатурах, без відеоаналітичної складової.

Вони також зазначають, що підвищена увага до «скіммінгу» пристроїв зосереджена навколо слоту введення картки, оскільки це традиційний метод атаки, і що клієнти не мають жодних підстав вважати, що будь-які схожі приховані мікрокамери могли б «пробити» їх прикриті руки, або що загальний шум клавіш і ідентичний звук відзворотності для кожного натискання клавіш могли б розкрити будь-яку інформацію.

Гроші PIN

Незважаючи на серйозні наслідки порушення, PIN-коди є одними з найкоротших і найлегше вгадуваних паролів, які ми використовуємо; було оцінено, що атакувальник вже має 1 з 10 шансів вгадати PIN-код правильно. Соціальна інженерія не завжди є необхідним доповненням до більш складних атак на основі штучного інтелекту, оскільки 1234 було оцінено як представник 11% всіх PIN-кодів, тоді як 19 (як перша частина року народження) представляє перші дві цифри більш ніж 80% PIN-кодів.

Тим не менш, автори нової статті не дали собі цього переваги, а радше поставили за мету дослідити, чи має рух руки під час вводу PIN-коду з прикритою рукою розшифруваний шаблон, який може вказувати, які цифри вводяться.

Для встановлення базової лінії дослідники побудували фальшивий банкомат для збору даних (див. перше зображення вище). Це представляє запропонований гіпотетичний метод атаки, коли зловмисник пасивно аналізує типові характеристики вводу PIN-коду протягом тривалого періоду часу, щоб підготуватися до майбутньої атаки на рахунки.

Хоча цей «вивчений» підхід є звичайним у складних злочинах проти банкоматів, з багатьма випадками фальшивих банкоматів, які виводять дані клієнтів протягом тривалого періоду, у цьому випадку атакувальник може встановити фальшивий банкомат у власному просторі та тренувати його без публічного вводу.

Цільові конкретні клавіатури

Спочатку потрібно розробити модель шляхом спостереження та запису вводів PIN-коду з прикритою рукою. Ідеально, клавіатура повинна бути конкретною промисловою стандартною моделлю, хоча деяка відмінність у міліметрах не зупинить метод. Час натискання клавіш можна отримати за допомогою аудіо- та візуальних сигналів (тобто звуків зворотності, шуму клавіш та зірок зворотності).

Методологія

Збір даних проводився протягом двох сесій, з використанням праворуких добровольців для дослідження. Кожен учасник вводив 100 випадкових 5-значних PIN-кодів, щоб забезпечити рівномірне покриття всіх можливих натискань клавіш. Таким чином, дослідники зібрали 5800 окремих вводів PIN-коду.

Клавіатури, використані в тестах, були моделями DAVO LIN Model D-8201F і DAVO LIN Model D-8203 B. Вони є комерційними моделями, використовуваними в банкоматах, і доступні тут і тут (серед багатьох інших постачальників).

Тренування

Дані були розділені на навчальні, валідційні та тестові набори, з тренуванням на процесорі Xeon(R) Intel з частотою 2,60 ГГц та 128 ГБ оперативної пам’яті. Дані були реалізовані на Keras2.3.0-tf (TensorFlow 2.2.0) та Python 3.8.6 на трьох графічних процесорах Tesla K20m з 5 ГБ відеопам’яті кожний.

Результати

Модель була протестована на трьох сценаріях: «один PIN-код», де атакувальник знає модель клавіатури та тренується конкретно для неї; «незалежний від PIN-коду», де модель тренується на клавіатурі, подібній (але не ідентичній) до цільової клавіатури; та «змішаний сценарій», де атакувальник має копію обидвох клавіатур.

Є відмічена різниця в точності для визначення 5-значних та 4-значних PIN-кодів:

Протидія

При розгляді протидії існуючим системам (тобто без радикального перегляду всієї інфраструктури безпеки PIN-кодів/банкоматів) дослідники вважають, що немає дієвих засобів захисту проти цього типу атаки.

Подовження мінімальної кількості цифр у PIN-коді зробить їх більш важкими для запам’ятовування; рандомізація порядку цифр на клавіатурі з сенсорним екраном програмного забезпечення, хоча це відбувається все частіше у банкоматах, також створює проблеми з користувальністю; а захисні екрани не тільки будуть дорогими для встановлення на існуючих банкоматах, але й, ймовірно, зроблять атаку, описану в статті, ще легшою для реалізації, залежно від того, яку кількість інформації вони можуть надати. Дослідники стверджують, що їхня атака дієва навіть у випадках, коли 75% клавіатури PIN-коду прикрито (а прикриття більшої кількості зробить його важким для клієнта вводити дані).

У майбутньому розвитку роботи дослідники планують вивчити результати для людей, які не є праворукими, та дослідити стратегії прикриття руки, які могли б протидіяти атаці. Вони також планують повторити експерименти з більшим розмаїттям віку та расових груп, оскільки вони спостерігають, що старші люди роблять більш значимі та інформативні рухи руки при вводі PIN-коду, і що атака «матиме труднощі з роботою для людей інших рас» (ніж кауказоїдна).