WISERS: Ein berührungsloser Seitenkanalangriff über Spulenbrummen und magnetische Störungen bei der drahtlosen Ladung

Inhaltsverzeichnis

1. Einleitung

Drahtloses Laden, insbesondere nach dem Qi-Standard, ist in modernen Smartphones allgegenwärtig. Dieses Papier stellt einen neuartigen, berührungslosen Seitenkanalangriff namens WISERS (WIreless chargER Sensing system) vor. Im Gegensatz zu früheren Angriffen, die physischen Zugriff oder kompromittierte Geräte erforderten, nutzt WISERS zwei inhärente physikalische Phänomene – Spulenbrummen und Magnetfeldstörungen –, die während der drahtlosen Energieübertragung emittiert werden, um feingranulare Nutzerinteraktionen auf einem ladenden Smartphone abzuleiten, wie z.B. die Eingabe von Passcodes oder das Starten von Apps.

2. Das WISERS-Angriffsframework

WISERS funktioniert, indem es Änderungen im Stromverbrauch des Smartphones (ausgelöst durch Bildschirminhaltsänderungen während der Nutzereingabe) mit messbaren physikalischen Emissionen der Induktionsspule des Ladegeräts korreliert.

2.1 Ausnutzung physikalischer Phänomene

• Spulenbrummen: Hörbares Geräusch, verursacht durch Magnetostriktion und piezoelektrische Effekte in der Spule aufgrund von Wechselstromschwankungen.
• Magnetfeldstörung: Änderungen der lokalen Magnetfeldstärke und -struktur, verursacht durch variierenden Strom in der Spule des Ladegeräts, wie durch das Ampèresche Gesetz beschrieben.

2.2 Drei-Stufen-Angriffsprozess

1. Erfassung & Konfiguration: Misst Umgebungsmerkmale (z.B. anfänglicher Batterieladestand) zur Kalibrierung des Angriffs.
2. Ableitung von Schnittstellenwechseln: Nutzt Muster im Spulenbrummen, um Übergänge zwischen verschiedenen Telefonbildschirmen/-schnittstellen zu erkennen.
3. Ableitung innerhalb einer Aktivität: Analysiert Magnetfeldstörungen, um spezifische Aktionen innerhalb einer Schnittstelle zu unterscheiden (z.B. Tastenanschläge auf einer Bildschirmtastatur).

3. Technische Details & Mathematisches Modell

Das zugrundeliegende physikalische Prinzip ist das Ampèresche Kraftgesetz. Die Kraft ($\vec{F}$) auf einen stromdurchflossenen Leiter (die Spule) in einem Magnetfeld ist:

$\vec{F} = I (\vec{L} \times \vec{B})$

Wobei $I$ der Strom, $\vec{L}$ der Längenvektor des Leiters und $\vec{B}$ das Magnetfeld ist. Nutzerinteraktionen verändern den Stromverbrauch des Smartphones ($\Delta I$), was den Strom in der Ladespule verändert. Diese Änderung von $I$ moduliert die Kraft $\vec{F}$, was zu minimalen physikalischen Vibrationen (Spulenbrummen) und Störungen im emittierten Magnetfeld $\vec{B}$ führt.

Der Angriff führt im Wesentlichen eine cross-modale Signalanalyse durch, die diese physikalischen Signalmodulationen ($S_{whine}(t)$, $S_{mag}(t)$) auf die verursachenden Nutzerinteraktionsereignisse ($E_{user}$) zurückführt.

4. Experimentelle Ergebnisse & Auswertung

Umfangreiche Tests wurden mit gängigen Smartphones und handelsüblichen (COTS) drahtlosen Ladegeräten durchgeführt.

4.1 Genauigkeit & Leistungskennzahlen

Das System zeigte eine hohe Genauigkeit bei der Ableitung diskreter und kontinuierlicher Eingaben:

• Bildschirm-Entsperr-Passcodes: Die Ableitungsgenauigkeit für numerische PINs überstieg 90,4 %.
• App-Start-Erkennung: Hohe Erfolgsrate bei der Identifizierung, welche Anwendung vom Startbildschirm aus geöffnet wurde.
• Tastenanschlags-Timing: In der Lage, Timing-Muster zwischen Tastenanschlägen auf Bildschirmtastaturen zu unterscheiden.

Diagrammbeschreibung: Ein hypothetisches Balkendiagramm würde die "Angriffserfolgsrate (%)" auf der Y-Achse gegen den "Typ der abgeleiteten Information" (Passcode, App-Start, Tastenanschlag) auf der X-Achse zeigen, wobei alle Balken über der 90 %-Marke liegen.

4.2 Robustheit gegenüber Störfaktoren

WISERS wurde gegen verschiedene Störfaktoren getestet und zeigte Robustheit gegenüber:

• Verschiedenen Smartphone-Modellen und Ladegeräte-Marken.
• Unterschiedlichen Umgebungsgeräuschpegeln (für die akustische Erfassung).
• Anwesenheit anderer elektronischer Geräte, die geringe magnetische Störungen verursachen.

5. Analyseframework & Fallbeispiel

Szenario: Ableitung einer 4-stelligen PIN während der Bildschirmentsperrung.

1. Signalaufnahme: Ein Gerät des Angreifers (z.B. ein anderes Smartphone mit geeigneten Sensoren), das innerhalb von 20 cm platziert ist, zeichnet während des Entsperrversuchs des Opfers Audiodaten (über Mikrofon) und Magnetfelddaten (über Magnetometer) auf.
2. Merkmalsextraktion: Das Audiosignal wird verarbeitet, um die Spulenbrummen-Komponente zu isolieren. Die Magnetdaten werden gefiltert, um Störungen im niederfrequenten Bereich hervorzuheben, die Stromverbrauchsänderungen entsprechen.
3. Musterabgleich & Ableitung: Das System korreliert die extrahierten Signalmerkmale mit einem vortrainierten Modell. Vier deutliche "Ausbrüche" magnetischer Störung, jeweils gepaart mit einer spezifischen Änderung des akustischen Fingerabdrucks, werden identifiziert und den vier Zifferndrücken der PIN zugeordnet. Die Reihenfolge und das Timing offenbaren den Passcode.

6. Kernaussage & Analystenperspektive

Kernaussage: WISERS ist nicht nur ein weiterer Seitenkanal; es ist eine deutliche Demonstration der Physis der digitalen Sicherheit. Es macht die grundlegende, unvermeidbare Physik der elektromagnetischen Induktion – einen Prozess, der für Bequemlichkeit konzipiert wurde – zu einem wirksamen Überwachungswerkzeug. Die Eleganz des Angriffs liegt in seiner Passivität; er injiziert keine Malware und fängt keine Daten ab, er hört und fühlt einfach das physikalische Gespräch des Geräts mit seinem Ladegerät.

Logischer Ablauf: Die Forschungslogik ist einwandfrei. Sie beginnt mit einem bekannten technischen Ärgernis (Spulenbrummen) und einem fundamentalen Gesetz (Ampèresches Gesetz), beobachtet deren Modulation durch die Systemlast und verfolgt diese Modulation stringent zurück zu nutzerinduzierten Laständerungen. Das Drei-Stufen-Framework trennt das Problem sauber: Kalibrierung, Makrokontext (Bildschirmwechsel) und Mikrokontext (Tastenanschläge). Diese Modularität erinnert an erfolgreiche Angriffsframeworks in anderen Domänen, wie den systematischen Ansatz für Cache-basierte Seitenkanäle, wie in Arbeiten wie "Cache-timing attacks on AES" von Bernstein dargelegt.

Stärken & Schwächen: Die Stärke ist seine erschreckende Praktikabilität – die Nutzung von COTS-Hardware, kein Kompromittieren des Geräts erforderlich und Funktionieren unter bisher als sicher geltenden Annahmen (Batterie >80 %). Seine Schwäche ist jedoch die derzeitige Abhängigkeit von der Nähe (~20 cm). Während es eine große Bedrohung in überfüllten Cafés oder Büros darstellt, ist es kein Fernangriff im Internet-Maßstab. Doch ist dies für gezielte Spionage ein Feature, kein Bug. Eine kritischere Schwäche ist der Fokus der Evaluation auf kontrollierte Umgebungen. Reale Umgebungen mit mehreren gleichzeitig ladenden Geräten oder starken Umgebungsmagnetfeldern (z.B. in der Nähe von Industrieanlagen) könnten die Leistung erheblich beeinträchtigen, eine Herausforderung, die auch andere sensorische Seitenkanäle wie akustische Tastaturangriffe betreffen.

Umsetzbare Erkenntnisse: Für die Sicherheitsgemeinschaft ist dies ein fünfmaliger Feueralarm für die IoT- und Mobilfunkindustrie. Gegenmaßnahmen müssen über Software hinausgehen. Hardware-Designer müssen Widerstandsfähigkeit gegen elektromagnetische und akustische Seitenkanäle als Designanforderung berücksichtigen. Mögliche Gegenmaßnahmen umfassen: (1) Aktive Geräuschunterdrückung: Einbau von Aktoren in Ladegeräte, um gegenphasige Signale zur Auslöschung des Spulenbrummens zu emittieren. (2) Verschleierung der Leistungsaufnahme: Einführung zufälliger, minimaler Schwankungen im Stromverbrauch während Leerlaufzeiten, um nutzerinduzierte Änderungen zu maskieren, ähnlich dem Traffic Shaping in Netzwerkanonymitätssystemen wie Tor. (3) Abschirmung: Einbau magnetischer Abschirmmaterialien in Ladegerätegehäuse, was jedoch die Effizienz beeinträchtigen kann. Standardisierungsgremien wie das Wireless Power Consortium (WPC) müssen dringend die Qi-Spezifikationen aktualisieren, um Tests auf Seitenkanallecks zu integrieren.

7. Zukünftige Anwendungen & Forschungsrichtungen

• Erweiterte Reichweiten-Erfassung: Forschung zu empfindlicheren Sensoren (z.B. hochpräzise Magnetometer) oder Signalverstärkungstechniken, um die effektive Angriffsdistanz zu erhöhen.
• Geräteübergreifende Ableitung: Untersuchung, ob der magnetische "Fingerabdruck" eindeutig genug ist, um spezifische App-Nutzung oder sogar Website-Browsingaktivität innerhalb eines Browsers zu identifizieren.
• Defensives Maschinelles Lernen: Entwicklung von On-Device- oder On-Charger-ML-Modellen, die die charakteristischen Signalmuster eines laufenden WISERS-ähnlichen Lauschversuchs erkennen und eine Warnung oder Gegenmaßnahme auslösen können.
• Breiteres Zielspektrum: Anwendung derselben Prinzipien auf andere drahtlos ladbare Geräte wie True-Wireless-Kopfhörer, Smartwatches oder sogar zukünftige Laptops, die möglicherweise reichhaltigere Benutzeroberflächen haben.
• Integration mit anderen Seitenkanälen: Fusion von Daten aus diesem Seitenkanal mit anderen (z.B. Leistungsanalyse aus dem Stromnetz, thermische Emissionen) für ein robusteres und detaillierteres Nutzerprofil, ein multimodaler Ansatz, der in der Seitenkanalforschung an Bedeutung gewinnt.

8. Referenzen

1. Wireless Power Consortium. "The Qi Wireless Power Standard." [Online]. Verfügbar: https://www.wirelesspowerconsortium.com/
2. Bernstein, D. J. "Cache-timing attacks on AES." 2005.
3. Genkin, D., Shamir, A., & Tromer, E. (2014). "RSA key extraction via low-bandwidth acoustic cryptanalysis." In Advances in Cryptology–CRYPTO 2014.
4. Zhu, J., Park, T., Isola, P., & Efros, A. A. (2017). "Unpaired image-to-image translation using cycle-consistent adversarial networks." In Proceedings of the IEEE international conference on computer vision (CycleGAN).
5. National Institute of Standards and Technology (NIST). "Side-Channel Attack Testing Methodologies." [Online]. Verfügbar: https://csrc.nist.gov/
6. Zhang, Y., et al. "WISERS: A Contactless and Context-Aware Side-Channel Attack via Wireless Charging." In Proceedings of the ... IEEE Symposium on Security and Privacy, 2023. (Das analysierte Quellenpapier).