Aktuelles, Experten - geschrieben von am Montag, Juli 9, 2018 14:52 - noch keine Kommentare

Smartphones: Hacker können Touchscreen-Benutzerinteraktionen analysieren

Cyber-Forscher der Ben-Gurion-Universität warnen vor Missbrauch ausgeforschter Benutzerinformationen

[datensicherheit.de, 09.07.2018] Einem Team von Cyber-Sicherheitsforschern der Ben-Gurion-Universität des Negev (BGU) ist es nach eigenen Angaben gelungen, wertvolle Benutzerinformationen durch die Verfolgung von Smartphone-Touch-Bewegungen herauszufiltern, um dann einen Benutzer auf kompromittierten Touchscreens von Drittanbietern zu imitieren und währenddessen E-Mails zu versenden, Finanztransaktionen durchzuführen oder Spiele zu spielen.

Schadcode in Ersatzteilen

Zerbrochene Smartphone-Touchscreens würden oft durch Komponenten vom Zubehörmarkt ersetzt, in deren Schaltkreisen Schadcode enthalten sein könnte.
„Unser Forschungsziel war es, mithilfe von maschinellem Lernen die Menge an Kontext-Informationen auf hoher Ebene zu ermitteln, die der Angreifer durch Beobachtung und Vorhersage der Touchscreen-Interaktionen ableiten kann”, berichtet Dr. Yossi Oren von der BGU-„Department of Software and Information Systems Engineering“.
„Wenn ein Angreifer den Kontext bestimmter Ereignisse verstehen kann, kann er die Informationen verwenden, um einen effektiveren angepassten Angriff zu erstellen“, warnt Oren.

Maschinelle Lernergebnisse: Genauigkeitsrate von 92 Prozent

Zum Beispiel könne ein Hacker lernen Benutzerinformationen zu stehlen oder das Mobiltelefon durch böswillige Berührungen quasi zu entführen.
Die Forscher hätten 160 Touch-Interaktionssitzungen von Benutzern aufgezeichnet, die viele verschiedene Anwendungen ausgeführt hätten, um die Menge an Kontext-Informationen auf hoher Ebene zu quantifizieren. Mithilfe einer Reihe von Fragen und Spielen hätten die Forscher maschinelles Lernen verwendet, um die Schlaggeschwindigkeit, die Dauer und die Schlagabstände auf speziell modifizierten „LG Nexus Android“-Telefonen zu bestimmen. Laut den Forschern wiesen die maschinellen Lernergebnisse eine Genauigkeitsrate von 92 Prozent auf.

Anomalien erkennen, um Angriffe zu stoppen

„Jetzt, wo wir die Fähigkeit bestätigt haben, High-Level-Kontextinformationen auf Basis von Touch-Ereignissen zu erhalten, erkennen wir, dass Touch-Injection-Attacken eine größere potenzielle Bedrohung darstellen“, berichtet Oren.
„Mit dieser defensiven Analyse können wir auch Angriffe stoppen, indem wir Anomalien in der typischen Telefonnutzung eines Benutzers identifizieren und unbefugte oder böswillige Telefonanwendungen abschrecken.“

Ergebnisse im Juni 2018 vorgestellt

Oren hatte die Ergebnisse auf dem „Zweiten Internationalen Symposium für Cyber-Sicherheit, Kryptographie und Maschinelles Lernen“ (CSCML) am 21. und 22. Juni 2018 in Beer-Sheva (Israel) präsentiert. Sie wurden von Springer in den „Lecture Notes on Computer Science“ veröffentlicht. Das benannte Forscherteam umfasst die BGU-Studenten Moran Azaran, Niv Ben-Shabat und Tal Shkonik.

Weitere Informationen zum Thema.

Springer
Cyber Security Cryptography and Machine Learning / Second International Symposium, CSCML 2018, Beer Sheva, Israel, June 21–22, 2018, Proceedings

datensicherheit.de, 14.03.2018
Smart Devices: Herkömmliche Modelle viel zu einfach zu hacken

datensicherheit.de, 04.03.2018
LIVI-Technologie soll bessere Objekterkennung bei suboptimaler Beleuchtung ermöglichen

datensicherheit.de, 08.02.2018
Angreifer überwinden selbst Faradaysche Käfige und Luftstrecken



Kommentieren

Kommentar

Current ye@r *

Kooperation

TeleTrusT – Bundesverband IT-Sicherheit e.V.

Mitgliedschaft

BISG e.V.

Schulungsangebot

mITSM ISO 27001 Zertfifizierungs Audit

Partner

ZIM-BB

Gefragte Themen


Datenschutzerklärung