VoltSchemer: 전원 전압 노이즈를 이용한 무선 충전기 공격

1. 서론

널리 보급된 Qi 표준으로 대표되는 무선 충전은 물리적 커넥터를 제거함으로써 편의성과 향상된 안전성을 약속합니다. 해당 시장은 연평균 복합 성장률(CAGR) 25.8%로 성장하고 있습니다. 그러나 본 논문 "VoltSchemer"는 치명적인 취약점을 드러냄으로써 인식된 보안 버블을 깨뜨립니다. 핵심 발견점은, 손상된 전원 공급 장치로부터 전압 노이즈 형태로 유입된 의도적 전자기 간섭(IEMI)이 시스템을 통해 전파되어 충전기와 기기 간의 대역 내 통신 채널을 탈취할 수 있다는 것입니다. 이를 통해 공격자는 상용 무선 충전기(COTS)를 물리적으로 수정하지 않고도 완전히 제어할 수 있으며, 일련의 강력한 공격을 실행할 수 있습니다.

2. 배경 및 관련 연구

2.1. 무선 충전 및 Qi 표준

Qi 무선 충전은 송신기(Tx)와 수신기(Rx) 코일 간의 유도 결합을 사용합니다. 제어(예: 전력 요구, FOD 신호)를 위한 통신은 별도의 데이터 라인이 있는 유선 충전과 달리 전원 반송파 신호의 대역 내 변조를 통해 이루어집니다. 무선전력협회(WPC)는 금속 물체의 가열을 방지하기 위해 이물질 감지(FOD)와 같은 안전 프로토콜을 시행합니다.

2.2. 충전 시스템에 대한 기존 공격

이전 연구(예: MACTANS, Juice Jacking)는 유선 충전에 초점을 맞추어 USB 데이터 라인을 악용하여 악성 코드를 설치하거나 키 입력을 주입했습니다. 직접적인 데이터 경로가 없다는 점에서 무선 충전은 더 안전한 것으로 간주되었습니다. VoltSchemer는 전원 및 통신 채널 자체를 공격함으로써 이 가정에 근본적으로 도전합니다.

3. 위협 모델 및 공격 개요

3.1. 공격자 역량

공격자는 무선 충전기에 전원을 공급하는 AC-DC 전원 어댑터를 제어할 필요가 있습니다. 이는 악의적인 공공 충전소, 손상된 스마트 플러그 또는 변조된 어댑터일 수 있습니다. 충전기나 기기를 수정할 필요는 없습니다.

3.2. 핵심 공격 원리: 전압 노이즈 주입

공격자는 신중하게 설계된 전압 노이즈($V_{noise}(t)$)를 DC 전원 라인에 주입합니다. 이 노이즈는 전자기 간섭(EMI)을 통해 충전기의 회로에 결합되어 궁극적으로 Tx 코일에서 생성되는 자기장을 변조합니다. Qi 통신은 이 동일한 장의 변조에 의존하기 때문에, 공격자는 악성 제어 패킷을 주입하여 충전기나 기기를 사칭할 수 있습니다.

4. VoltSchemer 공격 벡터

4.1. 들리지 않는 음성 명령 주입

전원 신호를 변조함으로써, 공격자는 초음파 주파수에서 충전기의 내부 구성 요소(코일, 커패시터)로부터 음향 신호를 생성할 수 있습니다. 이는 스마트폰의 마이크에 의해 복조되어 사용자가 인지하지 못한 상태에서 음성 비서(예: Siri, Google Assistant)에 음성 명령을 실행하도록 할 수 있습니다.

4.2. 과충전/과열을 통한 기기 손상

공격자는 Qi 통신 패킷을 위조하여 충전기에 기기가 협상한 한도를 초과하는 과도한 전력을 공급하도록 지시할 수 있으며, 이로 인해 과전압 또는 열 스트레스를 통해 배터리나 회로를 손상시킬 가능성이 있습니다.

4.3. 이물질 감지(FOD) 우회

이는 가장 치명적인 공격입니다. 공격자는 금속 물체(예: 열쇠, 동전, NFC 카드)가 충전 패드 위에 있는 동안 충전기에 위조된 FOD "문제 없음" 신호를 보낼 수 있습니다. 이물질이 없다고 속은 충전기는 정상 전력으로 계속 작동하여 위험한 와전류를 유도하며, 이는 물체를 발화 온도까지 가열하거나 귀중한 물건을 탈자/녹일 수 있습니다.

5. 기술적 상세 내용 및 수학적 모델

5.1. 신호 전파 및 EMI 결합

주입된 전압 노이즈 $V_{noise}(t)$는 DC 버스를 통해 전파됩니다. 비이상적인 구성 요소(트레이스, 커패시터)는 안테나 역할을 하여 이 노이즈를 충전기의 민감한 아날로그 및 스위칭 회로에 결합시킵니다. 이 결합은 원치 않는 전달 함수 $H_{coupling}(f)$로 모델링될 수 있습니다: $$V_{induced}(f) = H_{coupling}(f) \cdot V_{noise}(f)$$ 여기서 $V_{induced}(f)$는 핵심 노드에 나타나는 노이즈입니다.

5.2. 대역 내 통신을 위한 전원 신호 변조

Qi 통신은 진폭 편이 변조(ASK)를 사용합니다. Rx 기기는 부하를 변조하여 Tx 코일 전압에 진폭 변화를 생성합니다. 공격자의 유도 노이즈 $V_{induced}(t)$는 이 변조를 모방할 수 있습니다. 비트 '1'을 주입하기 위해, 공격자는 감지 가능한 진폭 하락을 유발하는 특정 주파수 성분을 중첩시킵니다. 필요한 노이즈 프로파일은 Qi 패킷 구조(프리앰블, 헤더, 메시지, 체크섬)와 일치해야 합니다.

6. 실험 설정 및 결과

6.1. 테스트 기기 및 성공률

저자들은 Belkin, Anker, Samsung과 같은 브랜드의 주요 판매 COTS Qi 충전기 9개 중 9개에서 세 가지 공격 모두를 성공적으로 시연했습니다. 이 100% 성공률은 취약점의 보편성을 강조합니다.

6.2. 주요 성능 지표 및 관찰 결과

차트 설명 (가상): 막대 차트는 모든 충전기 모델에 대해 "충전기 모델별 공격 성공률"이 거의 100%임을 보여줄 것입니다. 선 그래프는 FOD 우회 공격 중 "유도된 물체 온도 대 시간"을 그릴 것이며, 집 열쇠의 경우 280°C 이상으로 급격히 상승하여 화재 위험을 보여줍니다. 또 다른 다이어그램은 신호 체인을 설명할 것입니다: 악성 전원 공급 장치 → 주입된 $V_{noise}$ → 충전기 PCB (EMI 결합) → Tx 코일 변조 → 악성 자기장 → 대상 기기/물체.

실험을 통해 유효한 Qi 패킷 주입, 지속적인 고출력 모드 강제 실행, 그리고 이물질을 수 분 내에 위험 수준까지 가열하는 능력이 확인되었습니다.

7. 분석 프레임워크 및 사례 연구

무선 충전기 보안 평가 프레임워크:

1. 신호 무결성 분석: 전원 공급 입력 단계를 감사하여 전도성 EMI에 대한 취약성을 확인합니다. 충전기 핵심 IC의 전원 공급 제거비(PSRR)를 측정합니다.
2. 통신 프로토콜 퍼징: 체계적으로 잘못된 형식 및 사양 외 전압 노이즈 패턴을 주입하여 충전기 마이크로컨트롤러의 Qi 프로토콜 파서 견고성을 테스트합니다.
3. 사이드 채널 모니터링: 정상 작동 중 의도하지 않은 사이드 채널(음향, 열, 전력)을 모니터링하여 기준선을 설정한 후, 공격 시뮬레이션 중 이상을 감지합니다.

8. 대응책 및 완화 전략

• 하드웨어 수준: DC 전원 입력부에 강력한 필터링 및 차폐를 구현합니다. 절연된 전력 변환기 토폴로지를 사용합니다. 핵심 명령(예: FOD 상태, 전력 제어)에 대해 하드웨어 기반 패킷 인증을 통합합니다.
• 펌웨어/프로토콜 수준: 저자들이 제안한 대로 Qi 패킷에 메시지 인증 코드(MAC) 또는 디지털 서명을 추가합니다. 건전성 검사(예: 열 센서와 전력 요청 교차 검증)를 구현합니다.
• 사용자 인식: 귀중한 기기에 대해 공공의 신뢰할 수 없는 무선 충전기 사용을 피합니다. 충전 중 비정상적인 가열에 주의합니다.

9. 향후 응용 및 연구 방향

• 확장된 대상 범위: 다른 유도 시스템(예: RFID 리더, 전기 자동차 무선 충전)에 대한 유사한 전압 노이즈 공격 조사.
• AI 기반 공격 생성 강화: 강화 학습을 사용하여 다양한 충전기 하드웨어에 대한 최적의 노이즈 파형을 발견합니다. 이는 머신러닝의 적대적 공격을 하드웨어에 적용하는 것과 유사합니다.
• 표준 진화: WPC에 압력을 가하여 향후 Qi 사양에 보안 강화를 의무화하도록 하고, 저전력 실시간 제어에 적합한 경량 암호화 프로토콜을 통합할 가능성을 모색합니다.
• 방어 도구 개발: 제조업체가 자사 충전기의 VoltSchemer 스타일 공격에 대한 복원력을 평가할 수 있는 자동화된 테스트 프레임워크를 개발합니다.

10. 참고문헌

1. Zhan, Z., Yang, Y., Shan, H., Wang, H., Jin, Y., & Wang, S. (2024). VoltSchemer: Use Voltage Noise to Manipulate Your Wireless Charger. arXiv preprint arXiv:2402.11423.
2. Wireless Power Consortium. Qi Wireless Power Transfer System Specification.
3. Clark, S., et al. (2013). MACTANS: Injecting Malware into iOS Devices via Malicious Chargers. USENIX Security.
4. Zhang, K., et al. (2021). Learning to Listen: A Neural Network for Inaudible Voice Recognition. IEEE S&P.
5. NIST. (2020). Guidelines for Managing the Security of Mobile Devices in the Enterprise (SP 800-124 Rev. 2).

11. 전문가 분석 및 비판적 검토