Новая атака SurfingAttack взламывает смартфоны с помощью ультразвука

Новая атака SurfingAttack взламывает смартфоны с помощью ультразвука

Новая атака SurfingAttack взламывает смартфоны с помощью ультразвука

Новая техника атаки, получившая название SurfingAttack, использует голосовые команды, зашифрованные в ультразвуковых волнах. С помощью таких волн потенциальный злоумышленник может незаметно активировать голосового помощника.

SurfingAttack можно использовать для осуществления ограниченного набора действий: совершать звонки или читать текстовые сообщения.

О новой технике проникновения рассказали исследователи в области кибербезопасности на мероприятии Network and Distributed Systems Security Symposium, прошедшем на прошлой неделе в Калифорнии.

«Мы разработали новую технику SurfingAttack, позволяющую взаимодействовать с управляемым голосом устройством. При этом атакующему не обязательно находиться рядом с жертвой», — описывают технику специалисты.

«С помощью SurfingAttack потенциальный киберпреступник может перехватывать короткие коды аутентификации, пересылаемые в SMS-сообщениях, а также совершать звонки без согласия владельца девайса».

Исследователи протестировали SurfingAttack с 17 различными моделями устройств, 13 из которых составили Android-смартфоны с помощником Google Assistant, а оставшиеся четыре — iPhone с ассистентом Siri.

В результате эксперты смогли получить контроль над 15 устройствами. Атака оказалась бессильна против Samsung Galaxy Note 10+ и Huawei Mate 9. В ходе тестирования SurfingAttack использовался ноутбук, расположенный в соседней комнате. Лэптоп при этом подключили к генератору волн.

Имитация атакующего использовала специально созданные голосовые команды с помощью ультразвуковых волн. С процессом атаки можно ознакомиться на видео, опубликованном специалистами на YouTube:

Без контекста детектор пропустил 95% Android-вредоносов

Чем больше разрешений просит Android-приложение, тем подозрительнее оно выглядит для алгоритма. Правда, резервному копированию, антивирусу или системе родительского контроля доступ к половине смартфона нужен по работе. Но детекторы решили не разбираться и устроили охоту на невиновных.

Исследователи из Сингапурского университета менеджмента и Нанькайского университета проверили шесть популярных детекторов, включая Drebin, MalScan и MaskDroid.

Им скормили 270 безопасных приложений из 49 категорий Google Play, каждое из которых запрашивало не менее девяти опасных разрешений.

Большинство систем записали во вредоносы больше половины выборки. LLM-детектор LAMD разогнал ложные срабатывания до 80%. Если поставить такой фильтр на входе в магазин приложений или корпоративную инфраструктуру, аналитики будут разгребать очередь, почти целиком набитую легальным софтом.

 

Проблема в старом принципе: детекторы ищут сходство с известными угрозами. Широкий набор разрешений часто встречается у зловредов, но ровно так же выглядят бэкап-сервисы, антивирусы и инструменты управления устройствами. Как сформулировали авторы работы, отклонение — ещё не вредоносность.

Их система PRAXIS пытается смотреть не только на набор API, но и на контекст. Сначала ИИ предполагает возможную атаку, затем система ищет подтверждающую цепочку вызовов в коде, а после проверяет, соответствует ли поведение назначению приложения и тексту интерфейса.

Такой подход снизил долю ложных тревог на безопасной выборке до 13%, а пропуск вредоносов — примерно до одного из девяти. Однако стоило убрать финальную проверку контекста, как система пропустила 95,3% угроз. Код остался тем же, но без ответа на вопрос «зачем приложение это делает?» защита практически развалилась.

До массового применения PRAXIS тоже далеко: анализ стоит около $0,56 за приложение, а интерфейс и названия функций может подделать сам злоумышленник. Да и 13 ложных тревог на сотню — всё ещё не автоматика, а очередь к живому аналитику.

RSS: Новости на портале Anti-Malware.ru