一种揭示ATM“屏蔽”PIN输入的AI方法

意大利和荷兰的研究人员开发了一种机器学习方法，可以根据捕获的视频推断出银行客户在ATM中输入的PIN号，即使客户用手遮住PIN键盘以防止肩上窥视。

该方法涉及训练一个卷积神经网络（CNN）和一个长短期记忆（LSTM）模块，使用“遮挡手”PIN输入的视频，以及一个具有相同键盘布局的“影子”ATM的数据。研究人员可以购买此设备，并在实验室条件下重建一个“镜像”ATM以收集数据。

假ATM可以在私下训练，从而避免了在公共场所安装假ATM的风险，这是这种犯罪的常见手法。

左侧为用于意大利研究的两个PIN垫模型。右侧为研究人员在实验室条件下构建的“影子”ATM。 来源：https://arxiv.org/pdf/2110.08113.pdf

该系统通过分析手部运动和PIN输入时的位置，可以预测41%的4位PIN和30%的5位PIN，且在三次尝试（通常是银行允许的最大尝试次数）内实现。测试涉及58名使用随机PIN的志愿者。

研究人员的论文（数据公开）发现，提出的系统比人工猜测PIN的能力有四倍的改进。

论文题为《Hand Me Your PIN! Inferring ATM PINs of Users Typing with a Covered Hand》来自意大利帕多瓦大学的五名研究人员和荷兰代尔夫特理工大学的一名研究人员。

研究人员排除了未能充分覆盖PIN垫的捕获（左侧）

研究人员认为，他们的系统比之前的工作（基于时间、声音和热信号）有更好的结果，而无需视频分析组件。

他们还指出，人们对“剪切”设备的认识主要集中在卡片输入槽，因为这是传统的攻击方法，客户没有理由相信隐藏的微型摄像头可以“看到”他们覆盖的手，或者键盘的通用噪音和每个按键的相同反馈声音可以泄露任何信息。

PIN Money

尽管PIN泄露的后果严重，但PIN号是我们使用的最短、最容易被猜出的密码之一。据估计，攻击者已经有1/10的机会正确猜出PIN。社会工程学甚至不总是必要的，因为1234据估计占所有PIN的11%，而19（作为出生年份的第一部分）占PIN的前两位数字的80%以上。

然而，新论文的作者并没有利用这一优势，而是研究了“遮挡”PIN输入的“手部扭动”是否有一个可以解码的模式，以指示哪些数字被按下。

为了建立基准，研究人员为数据收集构建了一个假ATM（见上图）。这代表了假设的攻击方法，即攻击者将在长时间内被动分析典型的PIN输入特征，以便为稍后对账户的“扫荡”做准备。

虽然这种“研究”方法在复杂的ATM欺诈犯罪中很常见，但在这种情况下，攻击者可以在自己的空间中设置假ATM，并在不需要公共输入的情况下进行训练。

Targeting Specific Keypads

首先，需要通过观察和记录“遮挡”PIN输入来开发一个模型。理想情况下，键盘应该是特定的行业标准模型，尽管几毫米的变化不会阻止该方法的工作。可以通过音频和视觉提示（例如反馈蜂鸣、键盘噪音和星号反馈）获得按键时序。

Methodology

数据收集分为两次会议，使用右手志愿者进行研究。每位参与者输入100个随机生成的5位PIN号，以确保所有10个可能的键盘按键都得到均匀覆盖。这样，研究人员收集了5,800个单独的PIN输入。

测试中使用的PIN垫是DAVO LIN Model D-8201F和DAVO LIN Model D-8203 B型号。它们是商用型号，用于ATM，并分别可在这里和这里（以及其他许多供应商）购买。

Training

数据集被分为训练、验证和测试集，训练在一台配备128GB RAM和三块Tesla K20m GPU的Xeon(R) Intel CPU（E5-2670 2.60GHz）上进行。数据使用Keras2.3.0-tf（TensorFlow 2.2.0）和Python 3.8.6实现。

Results

模型在三个场景中进行了测试：“单个PIN垫”，攻击者知道PIN垫的型号，并为其进行训练；“PIN垫独立”，模型在一个与目标PIN垫类似（但不相同）的垫上进行训练；以及“混合场景”，攻击者同时拥有两个PIN垫的副本。

Countermeasures

在考虑现有系统的对策（即不完全重新思考整个PIN/ATM安全基础设施）时，研究人员认为，对于这种攻击，几乎没有有效的防御措施。

增加PIN的最小位数会使其更难记住；使用触摸屏软件键盘随机化数字键盘的顺序，虽然在ATM部署中越来越常见，但也会产生可用性问题；屏幕保护器不仅会在现有的ATM上部署起来很昂贵，而且可能会使论文中描述的攻击方法更容易实施，具体取决于它提供的覆盖范围。研究人员断言，他们的攻击方法即使在75%的PIN垫被覆盖的情况下也可以工作（覆盖更多会使客户难以输入）。

在设计人工等效的PIN提取方法时，真正的人只能根据相同的信息实现与AI系统相似的准确率的一小部分。

在未来的工作中，研究人员计划研究非右手人员的结果，并调查可能减轻攻击的“手覆盖”策略。他们还计划用更大的年龄和种族多样性重复实验，因为他们观察到老年人在输入PIN时会有更明显和更有意义的手部运动，而且这种攻击“将难以适用于其他种族”（而非高加索人）。