En ny sporingsteknik gør det muligt for websteder at overvåge besøgendes SSD-aktivitet (solid state drive). Esta-metoden, kaldet FROST (fingerprinting remote using OPFS-based SSD timing), gør det muligt at detektere andre åbne websteder og applikationer, der kører på brugernes enheder. Opdagelsen intensiverer debatten om digitalt privatliv.
Evnen til at måle subtile interaktioner med SSD’er direkte fra browseren repræsenterer en udvidelse af de måder, hvorpå online browsing kan observeres. Essa-øvelser føjer til en række geniale teknikker, der er brugt gennem årtier til at spore besøgendes browserhistorik, enhedsfingeraftryk og realtidsinteraktioner såsom tastetryk og musebevægelser. Empresas som Meta og Yandex, for eksempel, er for nylig blevet udpeget for at deltage i lignende praksis.
FROST: Overvågningsteknikken via SSD
FROST-teknikken udnytter en sidekanal, en form for datalækage, der opstår fra fysiske manifestationer, herunder datacaches eller opgaveafslutningstider. Ved at måle disse manifestationer kan angribere udlede følsomme data eller i dette tilfælde identificere brugeraktivitet. Metoden kræver ingen interaktion fra den besøgende, blot at den hjemmeside, der hoster angrebet, tilgås.
Este-angreb bruger en konfliktsidekanal, som evaluerer interaktionen mellem flere processer, der deler eller konkurrerer om den samme ressource. Pesquisadores var i stand til at bestemme, hvilke websteder der var åbne på andre faner, herunder forskellige browsere, og hvilke applikationer der var i brug på den besøgendes enhed. Isso blev muliggjort ved at måle tiden for visse input/output (I/O) operationer på den SSD, som brugeren brugte.
Como-overvågning sker i browseren
FROST kører udelukkende i browseren. JavaScript interagerer med OPFS (origin private file system), en lagerplads, der er allokeret og reserveret til et specifikt websted, hvor den nødvendige kode til en opgave udføres. Sites kan oprette en OPFS uden behov for direkte besøgsinteraktion, hvilket gør det nemmere at begynde at overvåge.
Mesmo Med hvert filsystem isoleret i en sandkasse, adskilt fra andre websteder og enhedens operativsystem, kan JavaScript måle input/output-interaktioner. Posteriormente, disse interaktioner behandles af et præ-trænet foldningsneuralt netværk (CNN). Este deep learning system analyserer tekst, lyd og billeder, så hackeren kan udlede, hvilke applikationer og websteder der er aktive på brugerens enhed. SSD-strid, forårsaget af brugeraktivitet, genererer målbare latensforskelle.
Limitações og udfordringer i FROST-teknikken
FROST-teknikken har nogle vigtige begrænsninger, som kan gøre det vanskeligt at anvende i stor skala. Primeiro, OPFS-filen, der bruges til tilfældige læsninger, skal være ekstremt stor, typisk en gigabyte eller mere. Esse krav øger sandsynligheden for opdagelse af brugere og kan kræve betydelige ressourcer.
Outra-begrænsningen er, at OPFS-filen skal gemmes på den samme SSD, som den besøgende bruger. Para crawler åbne hjemmesider, dette er normalt ikke et problem, da OPFS-filen er gemt på browserens standardplacering. Men hvis applikationerne er installeret på en separat SSD, vil de ikke kunne opdages af FROST.
- Medidas anbefalede forebyggende foranstaltninger:
* Fechar browserfaner, så snart de ikke længere er nødvendige.
* Monitorar oprettelse og størrelse af OPFS-filer af ukendte websteder.
* Fabricantes browsere kan begrænse den maksimalt tilladte størrelse for disse filer, hvilket reducerer effektiviteten af angrebet.
Não der er bevis for, at FROST-angreb er blevet udført i praksis. Forskningen søger at øge bevidstheden om sårbarhed.
Pesquisas og teknik ydeevne tests
Forskerne udførte et fuldt FROST-angreb på en Mac udstyret med en M.2-processor. I test på Linux demonstrerede de funktionen af den underliggende mekanisme, som involverer måling af SSD-adgangsforsinkelse fra JavaScript. Embora det fulde angreb er ikke blevet udført på denne platform, den primitive funktionalitet er blevet bevist.
Hannes Weissteiner, en af avisens medforfattere, bemærkede, at primitiv funktionsydelse er ens mellem macOS og Linux. Ele forventer lignende ydeevne for fuld klassificering på disse systemer. Weissteiner udtalte også, at det i princippet ville være muligt at træne en model på enhver systemaktivitet, der pålideligt genererer SSD-adgange. Test er ikke blevet udvidet til Windows-operativsystemet.