VRSafe: 가상 현실 (VR) 에서 키스트로크 추론 공격을 완화하기 위한 안전한 가상 키보드

1. 문제 정의 (Problem)

가상 현실 (VR) 환경이 보편화되면서 비밀번호 기반 인증이 널리 사용되고 있지만, 이는 전통적인 환경과 마찬가지로 키스트로크 추론 (Keystroke Inference) 및 숄더 서핑 (Shoulder Surfing) 공격에 취약합니다.

• 공격 방식: 공격자는 카메라, 자이로스코프, 와이파이 신호 (CSI), 음향 신호 등을 활용하여 사용자의 손 움직임이나 입력 패턴을 분석해 비밀번호를 추론합니다. 최근 연구들은 영상 기반 손 움직임 분석을 통해 95% 이상의 개별 문자 추론 정확도를 달성했습니다.
• 기존 방어책의 한계:
  • 기존 방어 기법들은 무작위 키보드 레이아웃이나 UI 재배치 등을 제안했으나, 이는 사용자의 인지 부하를 증가시키고 사용성을 크게 저하시켰습니다.
  • 기존 위협 모델은 단순한 오타 수정 도구 (Typo correction) 만을 고려하여, 실제 공격자가 고급 비밀번호 추측 알고리즘 (Targeted Password Guessing) 을 사용할 경우 방어 효과가 과대평가되는 경향이 있었습니다.
  • 추론된 비밀번호로 로그인 시도가 발생했을 때 이를 탐지하고 사용자에게 경고하는 메커니즘이 부재했습니다.

2. 방법론 (Methodology)

논문은 VRSafe라는 새로운 VR 키보드 아키텍처를 제안하며, 이는 크게 두 가지 핵심 모듈로 구성됩니다.

A. 키스트로크 노이즈 주입 키보드 (Keystroke Noise Injection Keyboard)

• 개념: 사용자가 실제 비밀번호를 입력하는 과정에서, 공격자가 관찰할 수 있는 손 움직임에 **가짜 문자 (Ghost Characters)**를 삽입하여 '노이즈'를 생성합니다.
• 작동 원리:
  • 진실한 문자 (Real Characters): 실제 비밀번호의 문자는 서버로 전송됩니다.
  • 유령 문자 (Ghost Characters): VRSafe 가 생성한 가짜 문자는 키보드 입력창에는 표시되지 않지만, 공격자가 촬영한 영상에서는 실제 입력처럼 보입니다.
  • 생성 알고리즘: 원본 비밀번호 ($S$) 를 부분 수열 (Subsequence) 로 유지하면서, 마크로프 모델 (Markov Model) 을 활용해 문맥에 맞는 가짜 문자를 선택합니다. 이는 공격자가 가짜 문자를 쉽게 식별하여 제거하는 것을 방지합니다.
  • 적응형 주입: 현재 입력된 문자열의 '무작위성 (Randomness)'을 평가하는 소형 RNN 모델 (Meter) 을 사용하여, 비밀번호의 복잡도에 따라 가짜 문자 주입 확률을 동적으로 조절합니다.
  • 오버헤드 최소화: 키보드 상에서의 커서 이동 거리를 줄이기 위해, 인접한 키에 위치한 문자를 가짜 문자로 선택하는 제약 조건 (Soft/Hard Constraint) 을 적용하여 입력 시간을 단축합니다.

B. 추론 공격 탐지기 (Inference Attack Detector)

• 개념: 공격자가 추론된 '유령 비밀번호 (Ghost Password)'로 로그인 시도 시 이를 탐지하는 서버 측 메커니즘입니다.
• 하니워드 (Honeyword) 활용:
  • 공격자가 추론한 유령 비밀번호는 실제 사용자의 비밀번호가 아니므로, 이를 '하니워드 (가짜 비밀번호)'로 간주합니다.
  • 서버는 사용자의 실제 비밀번호와 함께 유령 비밀번호를 **블룸 필터 (Bloom Filter)**에 저장합니다.
  • 로그인 시, 입력된 비밀번호가 블룸 필터에 존재하면 (즉, 유령 비밀번호로 로그인 시도) 즉시 악성 로그인 시도로 간주하여 경고를 발생시킵니다.
• 장점: 데이터베이스 유출이 아닌, 키스트로크 추론을 통한 비밀번호 유출을 실시간으로 탐지할 수 있는 최초의 접근법입니다.

3. 주요 기여 (Key Contributions)

1. 강화된 위협 모델 적용: 단순 오타 수정이 아닌, 최신 비밀번호 추측 모델 (Pass2Edit 등) 을 활용한 공격 시나리오를 기반으로 방어력을 평가했습니다.
2. 사용성과 보안의 균형: 기존 레이아웃 변경 방식과 달리, 표준 QWERTY 키보드를 유지하면서 가짜 문자 주입을 통해 공격자의 추론 정확도를 낮추고 사용성 저하를 최소화했습니다.
3. 새로운 탐지 메커니즘: 키스트로크 추론 공격으로 유출된 정보로 로그인 시도하는 경우를 탐지하여 사용자에게 경고하는 하니워드 기반 탐지 시스템을 최초로 도입했습니다.
4. 실제 환경 검증: 시뮬레이션 실험과 IRB 승인 사용자 연구를 통해 VRSafe 의 유효성을 입증했습니다.

4. 실험 결과 (Results)

• 추론 정확도 감소:
  • VRSafe 를 적용한 결과, 공격자의 비밀번호 추측 정확도가 크게 감소했습니다.
  • 특히 긴 비밀번호 (Long passwords) 의 경우, 균일 무작위 선택 대비 마크로프 모델을 활용한 문맥 기반 가짜 문자 선택 시 정확도가 5~15% 추가 감소했습니다.
  • 1,000 번의 시도에서 Class-2(숫자, 문자, 기호 2 가지 이상) 긴 비밀번호의 추측 정확도는 마크로프 모델 적용 시 **15.14%**로 떨어졌습니다 (무제약 시 30.12%).
• 악성 로그인 탐지율:
  • 블룸 필터를 기반으로 한 탐지기는 공격자의 첫 번째 로그인 시도에서 **약 52%**의 악성 시도를 탐지했습니다.
  • 10 번의 시도 내에서는 탐지율이 **약 84%**까지 상승했습니다.
• 사용성 및 오버헤드:
  • 입력 시간: 사용자 연구 (15 명) 에서 가짜 문자가 포함된 작업과 없는 작업 간 입력 시간 차이는 통계적으로 유의미했으나, 학습 곡선 효과로 인해 초기에만 발생했습니다. 대부분의 사용자는 40~60 초 내에 입력을 완료했습니다.
  • 시스템 리소스: Meta Quest 2 에서 실행 시 CPU 사용량 (평균 48%) 과 메모리 사용량 (평균 1.77GB) 은 일반 키보드 사용과 비교해 거의 차이가 없었으며, 오버헤드가 미미함을 확인했습니다.
  • 사용자 만족도: SUS (System Usability Scale) 점수는 평균 58.6 으로, 보안 강화에 대한 긍정적인 인식과 함께 VR 입력의 어려움에 대한 우려가 공존했습니다.

5. 의의 및 결론 (Significance)

• 실용적인 보안 솔루션: VRSafe 는 VR 환경에서 비밀번호 유출을 방지하면서도 사용자의 입력 경험을 크게 해치지 않는 실용적이고 비용 효율적인 방어 전략을 제시합니다.
• 능동적 방어: 단순히 공격을 막는 것을 넘어, 공격이 성공했을 때 (추론된 비밀번호로 로그인 시도) 이를 탐지하고 사용자에게 알림을 주는 능동적 방어 체계를 구축했습니다.
• 확장성: 현재는 영상 기반 공격을主要针对하지만, 음향 또는 와이파이 신호 기반 공격 등 다른 형태의 키스트로크 추론 공격에도 적용 가능한 잠재력을 가지고 있습니다. 또한, 가상 아바타의 입력 행위를 보호하는 확장 현실 (XR) 환경으로의 확장을 계획하고 있습니다.

이 연구는 VR 보안 분야에서 키스트로크 추론 공격에 대한 새로운 방어 패러다임을 제시하며, 고보안이 필요한 VR 애플리케이션의 신뢰성을 높이는 데 중요한 기여를 합니다.