論文の概要: Capacitive Touchscreens at Risk: A Practical Side-Channel Attack on Smartphones via Electromagnetic Emanations
- arxiv url: http://arxiv.org/abs/2605.14633v1
- Date: Thu, 14 May 2026 09:45:24 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-15 21:45:34.761111
- Title: Capacitive Touchscreens at Risk: A Practical Side-Channel Attack on Smartphones via Electromagnetic Emanations
- Title（参考訳）: 静電式タッチスクリーンのリスク:電磁エマニュエーションによるスマートフォンのサイドチャネル攻撃
- Authors: Yukun Cheng, Changhai Ou, Shiyu Zhu, Jinyuan Zhang, Zhenfang Qiu, Xingshuo Han, Tianwei Zhang, Yuan Li, Shihui Zheng,
- Abstract要約: 本稿では,タッチスクリーン走査中におけるEMエマニュエーションを利用した非接触電磁(EM)サイドチャネル攻撃TESLAを提案する。
これらのエマニュエーションがタッチインタラクションの進化を符号化し、統一された漏洩基盤を形成することを実証する。
TESLAは、より広範な攻撃目標、より効率的なサンプル取得、実用的な攻撃シナリオでの運用を提供する。
- 参考スコア（独自算出の注目度）: 18.925354500966485
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Capacitive touchscreens in modern smartphones introduce severe side-channel vulnerabilities. However, existing attacks often require restrictive conditions or invasive measurements. This paper presents TESLA, a novel, contactless electromagnetic (EM) side-channel attack that exploits inherent EM emanations during touchscreen scanning. We demonstrate that these emanations encode the spatiotemporal evolution of touch interactions, forming a unified leakage basis. By secretly placing an EM probe near the victim's device, TESLA enables attackers to extract highly sensitive information, including screen-unlocking PIN codes, keyboard inputs, interacting application categories, and continuous handwriting trajectories. Compared to existing attacks, TESLA offers a broader range of attack targets, more efficient sample acquisition, and operations in practical attack scenarios. Extensive evaluations on popular commercial smartphones, specifically the iPhone X, Xiaomi 10 Pro, Samsung S10, and Huawei Mate 30 Pro, validate the effectiveness of TESLA. It achieves remarkable inference accuracy in diverse settings such as private meeting rooms and public libraries, with success rates of 99.3% for PIN code recognition, 97.6% for keyboard input reconstruction, and 95.0% for application inference, respectively. Simultaneously, it attains a 76.8% character recognition accuracy and a high geometric similarity (Jaccard index of 0.74) for 2D handwriting trajectory reconstruction.
- Abstract（参考訳）: 現代のスマートフォンの静電容量タッチスクリーンは、深刻なサイドチャネル脆弱性をもたらす。
しかし、既存の攻撃は、しばしば制限的な条件や侵襲的な測定を必要とする。
本稿では,タッチスクリーン走査時の固有EMエマニュエーションを利用した,新規な非接触電磁(EM)サイドチャネル攻撃TESLAを提案する。
これらのエマニュエーションは,タッチインタラクションの時空間的進化を符号化し,統一された漏洩基盤を形成することを実証する。
被害者のデバイスの近くにEMプローブを秘密裏に配置することで、TESLAは攻撃者がスクリーンアンロックのPINコード、キーボード入力、相互作用するアプリケーションカテゴリ、連続的な手書きの軌跡など、非常に機密性の高い情報を抽出することができる。
既存の攻撃と比較して、TESLAはより幅広い攻撃目標、より効率的なサンプル取得、実用的な攻撃シナリオでの操作を提供する。
一般的な商用スマートフォン、特にiPhone X、Xiaomi 10 Pro、Samsung S10、Huawei Mate 30 Proに対する大規模な評価は、TESLAの有効性を検証する。
PIN符号認識では99.3%、キーボード入力の再構築では97.6%、アプリケーション推論では95.0%である。
同時に、76.8%の文字認識精度と2次元手書き軌道再構成のための幾何学的類似度(ジャカード指数0.74)を得る。
関連論文リスト
- CAAP: Capture-Aware Adversarial Patch Attacks on Palmprint Recognition Models [72.58453081100429]
Palmprint認識は、アクセス制御やPalmベースの支払いを含む、セキュリティクリティカルなアプリケーションにデプロイされる。
既存の研究ではパームプリント認識のテクスチャに支配的な性質を十分に考慮していない。
本稿では,パームプリント認識のためのキャプチャ対応逆パッチフレームワークであるCAAPを提案する。
論文 参考訳（メタデータ） (2026-04-08T12:03:14Z) - Capacitive Touchscreens at Risk: Recovering Handwritten Trajectory on Smartphone via Electromagnetic Emanations [11.61373689205522]
タッチスクリーン電磁(EM)側チャネルは、きめ細かい連続的な手書きの軌跡を回復するのに十分な情報を漏らす。
本稿では,非接触攻撃フレームワークであるタッチスクリーン電磁チャネル漏洩攻撃(TESLA)について述べる。
論文 参考訳（メタデータ） (2025-12-12T11:33:05Z) - EMPalm: Exfiltrating Palm Biometric Data via Electromagnetic Side-Channels [54.460942487872416]
EMエミッションは、手のひら生体情報を漏れさせる。
EMPalmは、盗聴されたEM信号からパームプリントとパームベインの画像の両方を隠蔽的に回収する攻撃フレームワークである。
論文 参考訳（メタデータ） (2025-10-08T20:50:19Z) - GAZEploit: Remote Keystroke Inference Attack by Gaze Estimation from Avatar Views in VR/MR Devices [8.206832482042682]
GAZEploitは、VRアプリケーションにおける仮想外観の共通利用を活用して、これらの視線追跡情報を活用するために設計された、新しいアイトラッキングベースの攻撃である。
30名以上の被験者を対象に,キーストローク推論の精度を80%以上達成した。
われわれの調査は、Apple Storeの上位15以上のアプリがGAZEploit攻撃に弱いと判断し、この最先端のVR/MRテキスト入力方法に対する緊急のセキュリティ対策の必要性を強調した。
論文 参考訳（メタデータ） (2024-09-12T15:11:35Z) - FaultGuard: A Generative Approach to Resilient Fault Prediction in Smart Electrical Grids [53.2306792009435]
FaultGuardは、障害タイプとゾーン分類のための最初のフレームワークであり、敵攻撃に耐性がある。
本稿では,ロバスト性を高めるために,低複雑性故障予測モデルとオンライン逆行訓練手法を提案する。
本モデルでは,耐故障予測ベンチマークの最先端を最大0.958の精度で上回っている。
論文 参考訳（メタデータ） (2024-03-26T08:51:23Z) - Invisible Finger: Practical Electromagnetic Interference Attack on Touchscreen-based Electronic Devices [15.874816082812831]
タッチスクリーンを用いた電子デバイスは、意図的電磁干渉(IEMI)攻撃に対して脆弱であることを示す。
私たちの貢献は、攻撃を実証するだけでなく、基盤となるメカニズムを分析し、定量化することにあります。
我々は,エンド・ツー・エンド・エンド・アタックシナリオを備えたIEMIベースのタッチスクリーンアタックベクターを初めて提示し,実演する。
論文 参考訳（メタデータ） (2024-02-03T18:06:15Z) - DyFFPAD: Dynamic Fusion of Convolutional and Handcrafted Features for Fingerprint Presentation Attack Detection [1.9573380763700712]
ユーザの指紋を同意の有無にかかわらず偽造することにより、提示攻撃を行うことができる。
本稿では,プレゼンテーションアタックを検出するために,深層CNNと手作り特徴の動的アンサンブルを提案する。
提案手法をLiveness Detection Competitionからベンチマークデータベース上で検証した。
論文 参考訳（メタデータ） (2023-08-19T13:46:49Z) - Face Presentation Attack Detection [59.05779913403134]
顔認識技術は、チェックインやモバイル支払いといった日々の対話的アプリケーションで広く利用されている。
しかしながら、プレゼンテーションアタック(PA)に対する脆弱性は、超セキュアなアプリケーションシナリオにおける信頼性の高い使用を制限する。
論文 参考訳（メタデータ） (2022-12-07T14:51:17Z) - Mobile Behavioral Biometrics for Passive Authentication [65.94403066225384]
本研究は, 単モーダルおよび多モーダルな行動的生体特性の比較分析を行った。
HuMIdbは、最大かつ最も包括的なモバイルユーザインタラクションデータベースである。
我々の実験では、最も識別可能な背景センサーは磁力計であり、タッチタスクではキーストロークで最良の結果が得られる。
論文 参考訳（メタデータ） (2022-03-14T17:05:59Z) - Mind the GAP: Security & Privacy Risks of Contact Tracing Apps [75.7995398006171]
GoogleとAppleは共同で,Bluetooth Low Energyを使用した分散型コントラクトトレースアプリを実装するための公開通知APIを提供している。
実世界のシナリオでは、GAP設計は(i)プロファイリングに脆弱で、(ii)偽の連絡先を生成できるリレーベースのワームホール攻撃に弱いことを実証する。
論文 参考訳（メタデータ） (2020-06-10T16:05:05Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。