Press "Enter" to skip to content

研究警告:机器学习算法可高效推测被手遮挡的ATM机密码输入

本站内容均来自兴趣收集,如不慎侵害的您的相关权益,请留言告知,我们将尽快删除.谢谢.

对于经常光顾 ATM 自助存取款的人们来说,确保密码输入的隐私安全,几乎已经成为了一项普遍共识。 然而近日的一项研究表明,只要通过特殊的训练,即可利用深度学习算法,来高效破解被另一只手遮挡住的 PIN 码输入。 最终结果是,通过模拟训练,算法可在 41% 的几率下猜出四位 PIN 码。

 

实验期间,研究人员收集了来自 58 名多样化人群的 5800 段视频,其中涉及输入 4 位 / 5 位 PIN 码。

 

运行预测模拟的机器配置,包括一台 Intel 志强 E5-2670 处理器 + 128GB 内存、以及三套英伟达 Tesla K20m(平均 5GB RAM)计算卡的计算机。

 

虽然与普通 PC 大不相同,但这套系统的整体经济性,还是在相当合理的范围呢。

 

 

三种攻击场景的预测热图

 

通过设置最大 3 次尝试次数(不然容易被 ATM 吞卡),研究人员在 30% 的时间内重建了 5 位 PIN 码的正确序列,并在 4 位 PIN 码中达成了更高的成功率(41%)。

 

预测模型可根据非输入(在上遮挡)手的覆盖范围来排除按键,并通过评估两个按键之间的拓扑距离,从而推断另一只手按下了哪个数字。

 

与此同时,拍摄画面用的相机位置,也起到了至关重要的作用 —— 尤其针对左撇子或右撇子参与者时。综合之下,隐藏于 ATM 顶部的针孔摄像头,对用户的安全威胁时最大的。

 

 

每位数字的猜测与概率

 

如果录制设备同时能够收音,则预测模型还可根据每个数字略有不同的按压声音反馈,来进一步提升预测的准确性。

 

综上所述,该实验证明了用一只手来遮挡密码键盘的方法,不足以抵御基于深度学习的 PIN 码猜测攻击。庆幸的是,研究团队也提供了一些反向应对策略。

 

· 首先,如果银行允许设施较长的 PIN 码,就不要图省事用太短的,即便记起来也更累一些。
· 其次,尽量把手遮挡得严实一些。在 75% 覆盖率下,算法每次猜测的准确率为 0.55;而在 100% 遮挡的情况下,准确率会大幅降低至 0.33 。
· 第三,灵活运用随机 / 虚拟键盘,而不是标准化的机械键盘。虽然实用性不佳,但它确实是一种相当不错的安全措施。

 

有趣的是,研究团队还邀请了 78 位参与者,看他们能够凭直觉达成多高的隐藏 PIN 码猜测准确率。结果发现,人类的回答准确率仅为 7.92% 。

Be First to Comment

发表评论

您的电子邮箱地址不会被公开。 必填项已用*标注