기술 요약: TESLA – 전자기 방출을 통한 스마트폰에 대한 실용적인 사이드 채널 공격

1. 문제 제기

현대 스마트폰은 보편적으로 정전식 터치스크린을 사용하는데, 이는 뛰어난 내구성과 멀티터치 기능을 제공하지만 부수적으로 심각한 개인정보 유출 취약점을 초래합니다. 이러한 장치를 대상으로 한 기존 사이드 채널 공격들은 다음과 같은 실질적인 한계를 겪고 있습니다:

• 제한된 범위: 많은 선행 연구들은 PIN 코드나 지문과 같은 민감한 정보의 단일 유형에만 초점을 맞추고 있어, 사용자의 다양한 활동 전반을 포괄하지 못합니다.
• 침습적 요구 사항: 높은 정확도의 공격들은 종종 기기에 물리적 수정 (예: 해킹된 USB 케이블) 이나 특정 기기 상태 (예: 스마트폰이 무선 충전기에 있어야 함) 를 요구합니다.
• 시간적 및 환경적 제약: 일부 방법은 장시간의 신호 포획이 필요하거나 특수한 실험실 조건과 하드웨어에 의존하여 실제 시나리오에서의 실행 가능성을 떨어뜨립니다.

이 논문이 다루는 핵심 문제는 현실적이고 일상적인 조건 하에서 다양한 민감한 사용자 데이터 (이산적 입력과 연속적 궤적) 를 복구할 수 있는 비접촉식, 비침습적, 그리고 일반화된 사이드 채널 공격의 부재입니다.

2. 방법론: TESLA 프레임워크

저자들은 터치스크린 스캔 과정에서 발생하는 고유한 전자기 (EM) 방출을 악용하는 새로운 프레임워크인 TESLA(Touchscreen Electromagnetic Side-channel Leakage Attack) 를 제안합니다. 이 공격은 4 단계 파이프라인을 통해 작동합니다:

A. 취약점 메커니즘

이 공격은 두 가지 기본 원리를 활용합니다:

1. 인간 결합 효과: 손가락이 화면을 터치할 때 송신 (TX) 과 수신 (RX) 전극 사이의 상호 정전용량이 변하여 시스템의 임피던스를 변경하고 EM 방출을 증폭시킵니다.
2. 스캔 구동 방식 (SDM): 대부분의 스마트폰은 TX 전극을 순차적으로 활성화하는 SDM 을 사용합니다. 특정 수평 좌표에서의 터치는 스캔 주기 시작에 비해 EM 신호에 예측 가능한 시간 지연 ($\Delta t$) 을 유발합니다. 이는 EM 피크의 타이밍이 터치 위치와 직접적으로 상관관계를 갖는 고유한 '시간 - 공간' 매핑을 생성합니다. 중요한 점은 이러한 누출이 애니메이션 시각적 피드백과 무관하다는 것입니다.

B. 공격 파이프라인

1. 사용자 상호작용 분류: 랜덤 포레스트 (Random Forest) 분류기가 터치 지속 시간과 주파수 등 EM 신호 특성을 분석하여 화면 잠금 해제, 키보드 입력, 애플리케이션 상호작용, 필기 등을 구분합니다.
2. 신호 가로채기: EM 트레이스의 '트리거'(급격한 점프), '유효 신호'(위치 데이터 포함), '종료'(안정화) 단계를 감지하는 알고리즘이 관련 데이터를 격리하고 신호 대 잡음비 (SNR) 를 향상시킵니다.
3. 신호 정규화: 가로채기된 신호는 업/다운 샘플링을 통해 고정된 길이로 재구성되고, Z-점수 정규화를 사용하여 딥러닝 모델에 일관된 입력을 보장합니다.
4. 민감 정보 추출:
   • 이산적 입력 (PIN/키보드 입력): 정규화된 신호 특징을 기반으로 다층 퍼셉트론 (MLP) 이 터치 위치를 분류합니다.
   • 애플리케이션 카테고리: 합성곱 신경망 (CNN) 이 '터치 핫스팟'(터치 분포 패턴) 을 분석하여 애플리케이션 유형 (예: 결제 대 쇼핑) 을 추론합니다.
   • 필기 궤적: 트랜스포머 (Transformer) 기반 아키텍처가 연속 신호의 시간적 의존성을 포착하여 2 차원 공간 좌표를 재구성한 후, 후처리 (부드럽게 만들기) 와 연결을 거쳐 최종 궤적을 생성합니다.

3. 주요 기여

• 통합된 누출 기반의 발견: 이 논문은 터치스크린 스캔 중 발생하는 EM 방출이 터치 상호작용의 시공간적 진화를 인코딩하여 이산적 및 연속적 입력 모두에 대한 통합된 누출 기반을 형성함을 규명했습니다.
• 일반화된 공격 프레임워크: TESLA 는 화면 잠금 해제 PIN, 키보드 입력, 상호작용 애플리케이션 카테고리, 그리고 연속적인 필기 궤적 등 광범위한 민감 데이터를 복구할 수 있는 최초의 비접촉식 공격입니다.
• 실용적 실행 가능성: 이 공격은 물리적 접촉, 기기 수정, 특정 기기 상태 (예: 무선 충전) 가 필요하지 않습니다. 기기로부터 불과 5cm 떨어진 곳에 프로브를 배치하는 것만으로도 도서관 (공공) 이나 회의실 (사적) 환경 모두에서 효과적으로 작동합니다.
• 기기 간 전이성: 이 프레임워크는 강력한 전이성을 보여주어, 한 기기에서 훈련된 모델이 동일한 모델의 다른 단위들을 성공적으로 공격할 수 있으며, 애플, 샤오미, 삼성, 화웨이 등 다른 제조사 간에도 적응력을 보입니다.

4. 실험 결과

저자들은 iPhone X, Xiaomi 10 Pro, Samsung S10, Huawei Mate 30 Pro 등 네 가지 상용 스마트폰에서 TESLA 를 평가했습니다.

• 이산적 입력 복구:

  • PIN 코드: 4 자리 PIN 인식 정확도 99.3% 달성.
  • 키보드 입력: 키보드 입력 재구성 정확도 97.6% 달성.
  • 애플리케이션 카테고리: 애플리케이션 유형 추론 정확도 95.0% 달성.
  • 종단 간 성공: 상위 5 회 시도 (5 회 추측 허용) 에서 모든 테스트 시나리오에 걸쳐 완전한 사용자 입력 시퀀스를 재구성하는 성공률이 99.33% 였습니다.

• 연속적 궤적 복구:

  • 문자 인식: 필기 문자 인식 정확도 76.8% 달성.
  • 기하학적 유사성: 2 차원 궤적 재구성에 대한 자카드 지수 (Jaccard index) 가 0.74로, 원본과 복구된 경로 간의 높은 공간적 중첩을 나타냈습니다.

• 강건성:

  • 백그라운드 애플리케이션이 실행 중일 때도 PIN 에 대해 95% 이상의 높은 정확도를 유지했습니다.
  • 거리가 증가함에 따라 정확도는 감소했으나 최대 25cm 거리에서도 효과적으로 작동했습니다.
  • 나무 장벽 (예: 테이블) 을 통과하거나 소음이 많은 공공 환경에서도 효과적으로 작동했으나, 사적 환경에 비해 정확도가 약간 감소했습니다.

5. 의의 및 주장

이 논문은 TESLA 가 이산적 및 연속적 입력에 대한 물리적 누출 메커니즘을 통합함으로써 정전식 터치스크린 보안에 대한 이해를 근본적으로 고도화했다고 주장합니다. 특정 대상에 국한되거나 제한적인 조건을 요구했던 이전 연구들과 달리, TESLA 는 일상적인 정전식 터치 상호작용이 원격 비접촉식 도청에 본질적으로 취약함을 보여줍니다.

저자들은 이 취약점이 소프트웨어 버그가 아니라 하드웨어 스캔 아키텍처 (SDM) 와 인간 결합 물리학의 결과임을 강조합니다. 따라서 이 논문은 제조사들이 예측 가능한 시간 - 공간 매핑을 깨기 위해 아날로그 프론트 엔드 (AFE) 수준에서 스캔 시퀀스 무작위화를 구현할 것을 촉구하며, 키보드 셔플링과 같은 소프트웨어 수준의 난독화는 서명과 같은 연속적 입력을 보호하기에 불충분하다고 지적합니다.

이 연구는 전자 서명 및 금융 거래와 같은 고보안 작업을 위협할 수 있는 정교하고 비침습적인 사이드 채널 공격에 대비해 현재 스마트폰 보안 모델이 불충분할 수 있다는 중요한 경고 역할을 합니다.