QUACK! Making the (Rubber) Ducky Talk: A Systematic Study of Keystroke Dynamics for HID Injection Detection

Resumo Técnico: Detecção de Injeção de Teclado via Dinâmica de Digitação

1. Problema e Contexto

Os sistemas computacionais modernos confiam implicitamente em dispositivos de entrada humanos (como teclados físicos), concedendo-lhes acesso direto ao pipeline de entrada do sistema operacional. Essa confiança cria uma superfície de ataque explorável por automação adversária.

• Ameaça: Ataques de emulação de Dispositivo de Interface Humana (HID), como os realizados pelo USB Rubber Ducky, permitem que atacantes injetem sequências de teclas pré-programadas em alta velocidade, contornando defesas tradicionais de malware, pois o sistema operacional os reconhece como um teclado legítimo.
• Limitações das Defesas Atuais: As contramedidas existentes baseiam-se em heurísticas simples (ex.: velocidade de digitação anormalmente alta ou regularidade excessiva). Essas defesas são facilmente evitadas por atacantes que introduzem atrasos aleatórios ou reduzem a velocidade de injeção.
• O Desafio da Privacidade: Abordagens anteriores de dinâmica de digitação focavam em autenticação de usuário (identificar quem está digitando), o que exige perfis de usuário e acesso ao conteúdo das teclas, levantando preocupações de privacidade. O objetivo deste trabalho é distinguir humano vs. máquina, independentemente da identidade do usuário e sem acessar o conteúdo semântico das teclas.

2. Metodologia

Os autores propõem uma caracterização sistemática da dinâmica de digitação para discriminação humano-máquina, utilizando apenas características temporais (Hold Time - tempo de pressionamento da tecla, e Flight Time - intervalo entre teclas).

• Modelo de Ameaça: O atacante tem acesso físico e controla totalmente o timing das teclas injetadas. O estudo considera três níveis de sofisticação do atacante:

  1. Zero-Effort (Naive): Geradores baseados em PRNG (números aleatórios) ou amostragem estatística simples sem estrutura temporal realista.
  2. Estatístico (Context-Aware): Geradores que condicionam o tempo das teclas às teclas anteriores, preservando dependências de ordem superior (ex.: Histogramas, Distribuições Gaussianas).
  3. Adaptativo (GANs): Uso de Redes Adversariais Generativas (WGAN-GP) para aprender e aproximar a distribuição temporal complexa do comportamento humano.

• Pipeline de Avaliação:

  1. Geração de Dados: Criação de conjuntos de dados sintéticos baseados em um dataset público real, substituindo apenas os tempos (HT/FT) mantendo a sequência de teclas (VK) para alinhamento, mas removendo o VK da entrada do detector para garantir independência de texto.
  2. Modelos de Detecção: Avaliação de modelos leves (Random Forest, SVM) e modelos sequenciais (CNN 1D, LSTM, BiLSTM).
  3. Estratégias de Treinamento:
     • Treinamento de Gerador Único: Para avaliar a separabilidade básica.
     • Treinamento Misto (Balanced e Unbalanced): Para testar a generalização entre diferentes famílias de geradores e identificar a melhor estratégia de cobertura de ameaças.
  4. Métricas: Foco em ROC-AUC, latência de detecção (número de teclas necessárias) e custo computacional.

3. Contribuições Principais

1. Caracterização Sistemática: Primeiro estudo a tratar a detecção de injeção como um problema de discriminação humano-máquina independente da identidade do usuário.
2. Privacidade e Leveza: Demonstra que a detecção robusta é possível usando apenas características de tempo (HT/FT) com modelos leves, sem necessidade de acesso ao conteúdo digitado ou perfis de usuário.
3. Descoberta sobre Complexidade do Atacante: Revela que a sofisticação estatística do gerador do atacante não se traduz linearmente em melhor evasão. A diversidade estrutural das estratégias de geração é mais crítica do que a complexidade do modelo (ex.: GANs).
4. Otimização de Janela de Observação: Quantifica o compromisso entre a rapidez da detecção e a confiabilidade, identificando pontos operacionais práticos.
5. Reprodutibilidade: O pipeline experimental foi disponibilizado publicamente no GitHub.

4. Resultados Chave

• Eficiência de Modelos Leves: Modelos simples como Random Forest (RF) operando em janelas de 70 teclas alcançaram um ROC-AUC > 0.9 para a maioria dos geradores sintéticos, superando modelos neurais complexos em termos de custo-benefício para implantação contínua.
• Generalização e Cobertura:
  • A generalização do detector é impulsionada pela exposição a famílias de atacantes estruturalmente distintas, e não pela complexidade do modelo ou pela quantidade de geradores específicos.
  • Treinar em uma mistura de geradores representativos (ex.: um gerador de histograma e um de amostragem condicional) oferece melhor robustez do que tentar cobrir todos os geradores possíveis.
  • Geradores baseados em GANs (mais sofisticados) não garantem evasão superior; na verdade, detectores treinados em modelos estatísticos mais simples (como Histogramas) conseguiram generalizar bem para dados gerados por GANs.
• Compromisso Tempo vs. Confiabilidade:
  • O desempenho de detecção satura entre 70 e 100 teclas. Aumentar a janela para 200 teclas traz ganhos marginais, mas aumenta o risco de o atacante completar o comando malicioso antes da detecção.
  • Uma janela de 70 teclas oferece um equilíbrio prático entre detecção precoce e baixa taxa de falsos positivos.
• Custo Computacional: O tempo de inferência é estável (~90ms) e o uso de CPU é baixo, viabilizando a execução em segundo plano em sistemas operacionais sem impactar a usabilidade.

5. Significado e Conclusão

Este trabalho desafia a suposição comum de que defesas contra injeção de teclado exigem modelos de aprendizado profundo complexos ou que atacantes mais sofisticados (com GANs) são inevitavelmente mais difíceis de detectar.

A conclusão central é que a robustez da defesa depende da cobertura estatística de estratégias de geração distintas, e não da complexidade do detector. Para um defensor, isso significa que é mais eficiente treinar modelos com uma seleção representativa de famílias de atacantes (diversidade estrutural) do que tentar modelar cada variação possível. Para o atacante, isso indica que aumentar apenas a complexidade do gerador não garante evasão; a diversidade estrutural é o fator chave para burlar sistemas de detecção.

O estudo valida a viabilidade de sistemas de detecção contínua, privativos e leves para mitigar ataques de HID em tempo real, oferecendo um caminho prático para proteger sistemas contra automação maliciosa sem sacrificar a usabilidade ou a privacidade do usuário.