Input extraction via motion-sensor behavior analysis on smartphones
Input extraction via motion-sensor behavior analysis on smartphones
复制标题
通过智能手机上的运动传感器行为分析进行输入提取
DOI：
10.1016/j.cose.2015.06.013
复制
发表时间：
2015-09
影响因子：
5.6
通讯作者：
Guan Xiaohong
中科院分区：
文献类型：
--
作者：
Shen Chao;Pei Shichao;Yang Zhenyu;Guan Xiaohong
智能手机内置的加速度计和陀螺仪等传感器极大地方便了人们的生活，但这些传感器也可能带来潜在的安全和隐私风险。本文提出了一个实证研究，分析加速度计和磁力计数据的特性，以推断用户的输入在Android智能手机上。背后的基本原理是，不同位置的触摸输入动作会导致智能手机的姿势和运动变化的不同程度。在这项工作中，Android应用程序作为后台进程运行，以监测运动传感器的数据。分析加速度计数据以检测触摸屏上输入动作的发生。然后将磁力计数据与加速度计数据融合，以推断触摸屏上用户输入的位置。通过输入位置与键盘或数字小键盘常见布局的映射关系，可以方便地获取输入。分析是使用来自三种类型的智能手机和各种操作场景的数据进行的。实验结果表明，该系统能够准确地从传感器数据中推断出用户的输入行为，在某些情况下，输入行为检测的准确率达到100%，输入推断的准确率达到80%。另外，我们还对智能手机屏幕尺寸、采样率和训练数据大小的影响进行了实验，以进一步检验我们方法的可靠性和实用性。这些发现表明，来自加速度计和磁力计数据的读数可能是推断用户输入的强大侧通道。
Smartphone onboard sensors, such as the accelerometer and gyroscope, have greatly facilitated people’s life, but these sensors may bring potential security and privacy risk. This paper presents an empirical study of analyzing the characteristics of accelerometer and magnetometer data to infer users’ input on Android smartphones. The rationale behind is that the touch input actions in different positions would cause different levels of posture and motion change of the smartphone. In this work, an Android application was run as a background process to monitor data of motion sensors. Accelerometer data were analyzed to detect the occurrence of input actions on touchscreen. Then the magnetometer data were fused with accelerometer data for inferring the positions of user inputs on touchscreen. Through the mapping relationship from input positions and common layouts of keyboard or number pad, one can easily obtain the inputs. Analyses were conducted using data from three types of smartphones and across various operational scenarios. The results indicated that users’ inputs can be accurately inferred from the sensor data, with the accuracies of 100% for input-action detection and 80% for input inference in some cases. Additional experiments on the effect of smartphone screen size, sampling rate, and training data size were provided to further examine the reliability and practicability of our approach. These findings suggest that readings from accelerometer and magnetometer data could be a powerful side channel for inferring user inputs.
登录
查看更多内容
影响因子：
2.5
作者：
R. Deveaux
通讯作者：
R. Deveaux
DOI：
10.1016/j.cose.2014.02.007
发表时间：
2014-06
期刊：
Comput. Secur.
影响因子：
--
作者：
Zheran Fang;Weili Han;Yingjiu Li
通讯作者：
Zheran Fang;Weili Han;Yingjiu Li
影响因子：
3.9
作者：
S. Ross
通讯作者：
S. Ross
DOI：
10.1145/2046707.2046769
发表时间：
2011-10
期刊：
--
影响因子：
--
作者：
R. Raguram;A. M. White;D. Goswami;F. Monrose;Jan-Michael Frahm
通讯作者：
R. Raguram;A. M. White;D. Goswami;F. Monrose;Jan-Michael Frahm
DOI：
10.1145/2516760.2516770
发表时间：
2013-11
期刊：
--
影响因子：
--
作者：
Laurent Simon;Ross J. Anderson
通讯作者：
Laurent Simon;Ross J. Anderson