智能家居暴露隐私港中文等利用LSTM攻克IoT安全设定

机器之心原创

作者：芦新峰

修改：Joni

本年 8 月份，香港中文大学张克环教授研讨组在 arxiv 上发布了一篇文章，展现了他们组关于智能家居隐私性的研讨。文章作者测验运用 LSTM 模型对智能家居里的活泼设备进行猜想。该猜想能够使服务提供商（ISP）猜想用户正在家里运用什么类型的设备，然后有可能对具有不同设备的用户有不同的商业推行手法。

论文地址：https://arxiv.org/pdf/1909.00104.pdf

在此之前，已经有不少人做了相关的研讨，但他们的研讨大都是依据纯洁的试验室环境，很难移植到杂乱的实际环境中。作者经过剖析实在国际中的 IoT 设备以及揭露数据集，发现物联网设备的流量与桌面流量和移动流量比较有以下差异：

同一类其他设备有类似的流量方式（下图为两种语音帮手辨认语音指令时的流量改变状况）

设备都有「心跳」传输来确保网络和设备的联通，不同设备的「心跳」方式不同

不同设备传输协议份额不同（下图展现了 IoT 设备和非 IoT 设备的协议运用状况）

作者以为，这些特征标明即使是在杂乱场景下，而且具有必定的安全设备（NAPT 和 VPN）也能辨别不同的 IoT 设备。因为现有的数据集不满足作者的要求，因而作者团队自己搭建了一个数据搜集的体系。

试验数据搜集

该体系包括 10 个 IoT 设备和 4 个非 IoT 设备，体系内设备如下图所示。

作者预备在三个环境下搜集流量信息：单一设备环境、多设备喧闹环境 (运用 NAPT 技能) 以及 VPN 环境。

首要介绍一下 NAPT 技能和 VPN 技能。NAPT 是一种网络地址转化技能，与 NAT 不同，NAPT 支撑端口的映射。NAT 完成的是本地 IP 和 NAT 的公共 IP 之间的转化，因而本地局域网中一起与公网进行通讯的主机数量就遭到 NAT 的公网 IP 地址数量的约束。而 NAPT 克服了这种缺点——NAPT 技能在进行 IP 地址转化的一起还对端口进行转化，因而只需 NAT 中的端口不抵触，就答应本地局域网的多台主机运用一个 NAT 公共 IP 就能够一起和公网进行通讯。

VPN 一般用于互连不同的网络，以构成具有更大容量的新网络。它是依据 IP 地道机制，不同子网中的主机能够彼此通讯，而且能够经过认证和加密保密传送的信息。

在生成流量的进程中，作者采用了两种触发方法：手动触发和主动触发，手动触发能够模仿实在环境下的人机交互，主动触发能够减轻试验者的担负。在主动触发方式下，作者运用 Monkey Runner 对需要用 APP 进行交互的 IoT 设备进行触发；关于语音帮手等 IoT 设备，作者经过重复播映口令来进行触发。

手动触发方式只在多设备场景下运用，在该方式下，作者经过随机进出房间来对房间内的试验设备进行触发。该种方法与主动触发比较，更具有随机随机性，然后有助于模型的泛化。

整个流量搜集进程继续 49.4 个小时，共搜集 4.05GB 的数据，共包括 7223282 条有用通讯包。

数据预处理

在进行试验评价之前，作者先对数据进行了预处理——将初始数据转化为模型能够处理的数值向量。

数据预处理进程可分为两部分，特征提取和制造数据包的标签。在特征提取进程中，共提取了五个特征，分别是端口 (dport)、协议 (protocol)、方向 (direction)、帧长 (frame length)、时刻距离 (time interval)，并将这五个特征组成一维向量，如下图所示。

在给数据包制造标签的进程中，针对在 VPN 环境下较难打标的问题，作者发现了如下规则，然后能够较精确地给数据包打标签：

经过 VPN 处理后，数据包的体积会变大

不同体积的数据包经过 VPN 加密后体积相同

VPN 会引起数据包传输推迟，这个推迟一般短于 0.02 秒

模型挑选

在模型挑选上，作者共选取了三个模型：随机森林（基线模型）、LSTM 模型以及 BLSTM（双向 LSTM）模型。因为随机森林无法直接学习离散值，作者对端口的特征值进行了独热编码处理。

关于 LSTM 模型，作者也对输入模型的数据进行了处理，他将多个接连向量进行了分组并组成流量窗，如下图所示。

作者运用的 LSTM 模型如下图所示。该模型由多个根底模块组成，每个根底模块又包括有 Embedding 层、LSTM 层、全衔接层以及 Softmax 层。

因为 LSTM 模型在学习上下文信息时只能检查数据包的「曩昔」，因而作者又运用了 BLSTM 模型。BLSTM（双向 LSTM）是 LSTM 的扩展，它经过组合从序列结尾移动到其最初的另一个 LSTM 层来运用来自「未来」的信息。作者运用的 BLSTM 模型见下图。

模型评价

数据集

共有两种数据集，Dataset-Ind 以及 Dataset-Noise。每种数据集又有两个版别：NAPT 版别和 VPN 版别。Dataset-Ind 数据集包括来自 10 个独自 IoT 设备的流量数据，这些数据被组成流量窗。Dataset-Ind 数据集共有 32760 个流量窗。

Dataset-Noise 数据会集的数据也是以流量窗的方式存在，与 Dataset-Ind 数据集不同的是，该数据会集的每个流量窗都是由多个设备的数据包组成。Dataset-Noise 数据集包括 114989 个流量窗。

评价方针

总精度（overall accuracy) 和分类精度（category accuracy）

评价成果

在 Datatset-Ind 数据集下的评价成果如下表所示。从表中能够看出，LSTM 模型的精度遍及高于随机森林模型。

随后，作者又在 Dataset-Ind 数据集下研讨了流量窗巨细对试验精度的影响，成果显现，流量窗越大，试验精度越高。因而，在接下来的试验中，流量窗的巨细默以为 100。

在 Dataset-Noise 数据集下的评价成果如下图所示。由图中能够看出，随机森林模型在该数据集下的总精度下降显着，在 NAPT 环境下总精度为 84.5%，在 VPN 环境下的总精度为 67.6%。而 LSTM 模型在 NAPT 环境下体现较好，在 VPN 环境下体现较差。

作者对随机森林模型和 LSTM 模型精度下降的现象进行了剖析，以为随机森林模型精度下降的原因是多个 IoT 设备和非 IoT 设备一起运用一个端口进行通讯，使得该模型分类失利；而 LSTM 模型精度下降的原因，作者以为是由稀少流量形成的：因而在 VPN 协议的极点状况下，智能插头（图中 orvibo, tplink）发生的流量包能够在流量窗口中被稀释到不到 3%。令这两款智能插头不能被辨认出。（PS 依据这原理，咱们上网用这个发生「噪声」的小程序也能够保证咱们的隐私：https://github.com/1tayH/noisy）

定论

依据试验成果，作者以为即使是在加密和流量交融的状况下，物联网设备的网络通讯也会发生严峻的隐私影响。人们应该进行更多该方面的研讨，以更好地了解智能家居网络中地隐私问题并缓解此类问题。

相关材料：

1. Accessed: September 2019. "Can a MAC address be traced?". Available online at https://askleo.com/can_a_mac_address_be_traced/.

2. Acar A, Fereidooni H, Abera T, et al. "Peek-a-Boo: I see your smart home activities, even encrypted!". arXiv preprint arXiv:1808.02741, 2018. Available online at https://arxiv.org/pdf/1808.02741.

3. Bezawada B, Bachani M, Peterson J, et al. "Iotsense: Behavioral fingerprinting of iot devices". arXiv preprint arXiv:1804.03852, 2018. Available online at https://arxiv.org/abs/1804.03852.

4. Apthorpe N, Reisman D, Feamster N. "A smart home is no castle: Privacy vulnerabilities of encrypted iot traffic". arXiv preprint arXiv:1705.06805, 2017. Available online at http://arxiv.org/abs/1705.06805.

5. Apthorpe N, Reisman D, Sundaresan S, et al. "Spying on the smart home: Privacy attacks and defenses on encrypted iot traffic". arXiv preprint arXiv:1708.05044, 2017. Available online at http://arxiv.org/abs/1708.05044.

6. Accessed: September 2019.「Smart home blog」. Available online at https://blog.smarthome.com/.

作者介绍：芦新峰，吉林大学在读硕士，首要研讨方向为方针检测。

本文为机器之心原创，转载请联络本大众号取得授权。

------------------------------------------------