Los investigadores Abhishek Anand, Chen Wang, Jian Liu, Nitesh Saxena, Yingying Chen publicaron recientemente una paper titulado «Spearphone: A Speech Privacy Exploit via Accelerometer-Sensed Reverberations from Smartphone Loudspeakers«.
El ataque que se demuestra en el paper mencionado, se ha apodado Spearphone, el cual aprovecha un sensor de movimiento llamado acelerómetro y que se encuentra en la mayoría de los dispositivos Android. En el ataque se expone que se puede acceder al acelerómetro sin restricciones por cualquier aplicación instalada en el dispositivo aunque ésta no tenga los suficientes permisos.
La clave del ataque reside en que los altavoces que vienen incorporados en los teléfonos inteligentes se colocan en la misma superficie que los sensores de movimiento integrados, lo que produce reverberaciones de voz en la superficie y áreas en el cuerpo del teléfono cuando el modo altavoz está habilitado.
Tal y como se expone en el paper, los investigadores han demostrado que el ataque se puede llevar a cabo cuando la víctima realice una llamada o videoconferencia con el modo altavoz habilitado o intenta escuchar un archivo multimedia (vídeo o archivo de audio) en modo altavoz. Es especialmente interesante que este ataque se puede realizar de igual forma cuando la víctima utiliza el asistente virtual de su teléfono.
Los investigadores afirman que el ataque de Side-Channel que presentan se puede utilizar para examinar las lecturas capturadas cuando se está offline, y utilizando el procesamiento de la señal junto con técnicas de aprendizaje automático «listas para su uso» que nos permitan reconstruir las palabras y extraer información relevante.
We proposed a novel side-channel attack that compromises the phone’s loudspeaker privacy by exploiting accelerometer’s output impacted by the emitted speech. This attack can leak information about the remote human speaker (in a voice call) and the speech that is produced by the phone’s speaker. In the proposed attack, we use off-the-shelf machine learning and signal processing techniques to analyze the impact of speech on accelerometer readings and perform gender, speaker and speec classification with a high accuracy.
Página 13 del paper, VII. Conclusion
El ataque también permitiría conocer el contenido del audio reproducido por la víctima desde la galería o por notas de voz de aplicaciones de mensajería como Whatsapp.
Como se ha hecho alusión, los investigadores también han tenido éxito al capturar la respuesta de salida de los diferentes asistentes virtuales analizados (Google Assistant y Samsung Bixby). En otras palabras, han conseguido obtener la respuesta que estos asistentes ha dado a la petición previa del usuario.
Además Spearphone también se podría emplear para identificar características de usuarios tales como su género (con un éxito del 90%) o la identificación de las personas implicadas en la conversación (con una precisión del 80%).
No obstante los investigadores también explican que existen algunas limitaciones que podría dificultar la ejecución del ataque. Algunas de estas limitaciones son la baja tasa de muestreo, la variación en el volumen máximo y la calidad de voz de los diferentes teléfonos.
Para más información, se recomienda leer el paper que han publicado los investigadores.
Manu Alén
