I Know What You Did Last Summer: Identifying VR User Activity Through VR Network Traffic

Resumo Técnico: Identificação de Atividades de Usuário em VR através de Tráfego de Rede

1. Problema e Motivação

A Realidade Virtual (VR) está se tornando ubíqua em setores como entretenimento, educação e indústria. No entanto, à medida que o volume de tráfego de rede gerado pelos headsets de VR aumenta, surgem preocupações críticas de segurança e privacidade. O problema central investigado é: é possível identificar qual aplicativo de VR está sendo executado e quais atividades o usuário está realizando (ex: caminhar, falar, manipular objetos) apenas analisando o tráfego de rede gerado pelo headset, mesmo que esse tráfego esteja criptografado?

Os autores argumentam que, embora o tráfego seja criptografado (end-to-end), os padrões de comunicação (tamanho dos pacotes, tempos de chegada, volume de dados) podem revelar metadados sensíveis. Um atacante, posicionado na mesma rede Wi-Fi que a vítima, pode interceptar esses pacotes e utilizar Machine Learning (ML) para inferir o comportamento do usuário, levando a:

• Perfilagem de Usuários: Criação de perfis detalhados baseados em preferências e interações.
• Rastreamento Comportamental: Monitoramento de movimentos e ações dentro do ambiente virtual.
• Ataques de Engenharia Social: Uso de dados comportamentais para phishing direcionado.
• Violações de Dados: Exploração de vulnerabilidades com base no comportamento observado.

2. Metodologia

Os pesquisadores adotaram uma abordagem estruturada para coletar dados, extrair características e treinar modelos de ML.

• Coleta de Dados:

  • Dispositivo: Meta Quest Pro.
  • Aplicativos: 25 aplicativos de VR variados (jogos, redes sociais, ferramentas de trabalho, educação), cobrindo gêneros como esportes, RPG, social e produtividade.
  • Atividades: Os usuários realizaram ações específicas em cada app (ex: "jogar bola", "caminhar", "falar", "pausar", "não fazer nada").
  • Ferramenta: Wireshark foi utilizado para capturar o tráfego de rede (pacotes TCP/UDP).
  • Cenário: O tráfego foi capturado em um ambiente controlado, garantindo que apenas um aplicativo rodasse por vez para evitar interferência.

• Pré-processamento e Engenharia de Características (Features):

  • Os dados brutos foram processados para extrair características temporais e espaciais.
  • Características Principais: Comprimento médio dos pacotes, delta de tempo entre pacotes, bits por segundo (b/s), pacotes por segundo (p/s), desvio padrão, variância e valores da Função de Distribuição Acumulada (CDF) em janelas de tempo (ex: intervalos de 5 segundos).
  • Tratamento de Ruído: A técnica de subtração da média foi usada para centralizar os dados e remover viés de escala.

• Modelos de Machine Learning:

  • Foram treinados e avaliados três tipos de modelos:
    1. Random Forest (Floresta Aleatória): Classificador de ensemble.
    2. Decision Tree (Árvore de Decisão): Classificador individual.
    3. Deep Learning (MLP - Perceptron Multicamadas): Rede neural com camadas ocultas (ReLU) e saída (Softmax).
  • Divisão dos Dados: 80% para treinamento e 20% para teste.
  • Validação: Uso de validação cruzada e ajuste de hiperparâmetros para evitar overfitting.

3. Contribuições Principais

1. Dataset Público: Coleta e disponibilização de um conjunto de dados de tráfego de rede de 25 aplicativos de VR no Meta Quest Pro, abrangendo diversas atividades do usuário.
2. Prova de Conceito de Ataque: Demonstração de que é possível identificar tanto o aplicativo quanto a atividade específica do usuário com alta precisão usando apenas tráfego de rede (criptografado).
3. Análise de Generalização: Investigação de se atividades semelhantes (ex: "caminhar") podem ser identificadas em diferentes aplicativos e se modelos treinados em apps conhecidos podem inferir atividades em apps desconhecidos.
4. Análise de Trade-offs: Estudo detalhado sobre a quantidade mínima de dados necessária para o treinamento e o impacto computacional (tempo de CPU/GPU, memória) dos modelos.

4. Resultados

• Identificação de Aplicativos (RQ1):

  • O modelo Random Forest alcançou a melhor performance, com 92,4% de precisão na identificação do aplicativo.
  • Decision Tree: 87,1% de precisão.
  • Deep Learning: 80,2% de precisão.
  • Observação: O Random Forest superou os outros devido à sua capacidade de reduzir o overfitting através da média de múltiplas árvores.

• Identificação de Atividades do Usuário (RQ2):

  • O Random Forest atingiu 91,2% de precisão na identificação de atividades específicas dentro de um aplicativo.
  • Decision Tree: 82% de precisão.
  • Deep Learning: 77,5% de precisão.
  • Atividades dinâmicas (como "caminhar" ou "atirar") foram identificadas com 100% de precisão em vários casos, enquanto atividades de "inatividade" ("No Activity") geraram mais confusão, funcionando como ruído no dataset.

• Generalização entre Aplicativos (RQ3 & RQ4):

  • O modelo conseguiu identificar tipos de atividades semelhantes (ex: "falar") em diferentes aplicativos com alta confiabilidade.
  • Ao remover as instâncias de "inatividade" (ruído), a precisão geral dos classificadores aumentou significativamente (até 9% na precisão global e até 44% em atividades individuais).
  • O modelo foi capaz de inferir atividades em tráfego de aplicativos desconhecidos (não vistos durante o treinamento), demonstrando robustez na generalização.

• Quantidade de Dados Necessária (RQ5):

  • Um dos achados mais críticos é que menos de 10 minutos de tráfego de rede por aplicativo são suficientes para treinar um modelo com precisão superior a 90% para identificação de apps e 88% para atividades.
  • Aumentar o conjunto de dados além desse ponto trouxe melhorias marginais (menos de 3%), indicando que o modelo aprende os padrões essenciais rapidamente.

• Desempenho do Sistema (RQ6):

  • Tempo de Treinamento: Random Forest (96s) e Decision Tree (77s) foram muito rápidos. Deep Learning levou ~143s.
  • Recursos: O uso de CPU e memória foi baixo (ex: ~1.38 GB de RAM para Random Forest), tornando o ataque viável até em hardware modesto.
  • Inferência: O tempo de inferência variou de 0,69s a 3,16s dependendo do número de atividades a serem classificadas, permitindo identificação quase em tempo real.

5. Significado e Conclusão

O artigo conclui que a privacidade dos usuários de VR está em risco iminente, mesmo na presença de criptografia de ponta a ponta. A análise de tráfego de rede, combinada com modelos de ML "prontos para uso" (off-the-shelf), permite que atacantes:

1. Descubram exatamente qual aplicativo um usuário está usando.
2. Saibam o que o usuário está fazendo dentro desse aplicativo (movimentos, fala, interações).
3. Realizem esses ataques com pouca coleta de dados (menos de 10 min/app) e baixo custo computacional.

Implicações:

• A criptografia de payload não protege contra a análise de metadados de tráfego (tamanho, tempo, frequência).
• Mecanismos de defesa futuros devem focar em ofuscação de padrões de tráfego (padding, jitter) para dificultar a correlação entre atividades e fluxos de rede.
• Há uma necessidade urgente de revisão das políticas de privacidade e das práticas de desenvolvimento de aplicativos de VR para mitigar esses vetores de ataque.

Este trabalho serve como um alerta crítico para a comunidade de segurança cibernética e desenvolvedores de VR sobre a vulnerabilidade inerente dos padrões de comunicação de dispositivos imersivos.