
 
 
 
 
 
 
 
 Penulis : (1) Yan Long, Kejuruteraan Elektrik dan Sains Komputer, Universiti Michigan, Ann Arbor, Amerika Syarikat (yanlong@umich.edu); (2) Chen Yan, Kolej Kejuruteraan Elektrik, Universiti Zhejiang, Hangzhou, China (yanchen@zju.edu.cn); (3) Shilin Xiao, Kolej Kejuruteraan Elektrik, Universiti Zhejiang, Hangzhou, China (bixilin@zju.edu.cn); (4) Shivan Prasad, Kejuruteraan Elektrik dan Sains Komputer, Universiti Michigan, Ann Arbor, Amerika Syarikat (shprasad@umich.edu); (5) Wenyuan Xu, Kolej Kejuruteraan Elektrik, Universiti Zhejiang, Hangzhou, China (wyxu@zju.edu.cn); (6) Kevin Fu, Kejuruteraan Elektrik dan Sains Komputer, Universiti Michigan, Ann Arbor, Amerika Syarikat (kevinfu@umich.edu). Authors: (1) Yan Long, Kejuruteraan Elektrik dan Sains Komputer, Universiti Michigan, Ann Arbor, Amerika Syarikat (yanlong@umich.edu); (2) Chen Yan, Kolej Kejuruteraan Elektrik, Universiti Zhejiang, Hangzhou, China (yanchen@zju.edu.cn); (3) Shilin Xiao, Kolej Kejuruteraan Elektrik, Universiti Zhejiang, Hangzhou, China (bixilin@zju.edu.cn); (4) Shivan Prasad, Kejuruteraan Elektrik dan Sains Komputer, Universiti Michigan, Ann Arbor, Amerika Syarikat (shprasad@umich.edu); (5) Wenyuan Xu, Kolej Kejuruteraan Elektrik, Universiti Zhejiang, Hangzhou, China (wyxu@zju.edu.cn); (6) Kevin Fu, Kejuruteraan Elektrik dan Sains Komputer, Universiti Michigan, Ann Arbor, Amerika Syarikat (kevinfu@umich.edu). Jadual kiri Abstrak dan I. Pengenalan Model Ancaman & Latar Belakang Webcam menonton melalui kacamata IV. Pengiktirafan Refleksi & Faktor V. Cyberspace sensitiviti sasaran teks VI. Pengiktirafan Laman Web VII. Perbincangan VIII. kerja berkaitan IX. Kesimpulan, pengiktirafan dan rujukan Bahagian A: Maklumat Peralatan Bilangan B: Melihat Model Sudut Bilangan C: Perilaku platform persidangan video Bilangan D: Analisis Distortion Bilangan E: Tujuan Teks Web —Personal video conferencing has become a new norm after COVID-19 caused a seismic shift from in-person meetings and phone calls to video conferencing for daily communications and sensitive business. Video leaks participants’ on-screen information because eyeglasses and other reflective objects unwittingly expose partial screen contents. Using mathematical modeling and human subjects experiments, this research explores the extent to which emerging webcams might leak recognizable textual and graphical information gleaming from eyeglass reflections captured by webcams. The primary goal of our work is to measure, compute, and predict the factors, limits, and thresholds of recognizability as webcam technology evolves in the future. Our work explores and characterizes the viable threat models based on optical attacks using multi-frame super resolution techniques on sequences of video frames. Our models and experimental results in a controlled lab setting show it is possible to reconstruct and recognize with over 75% accuracy on-screen texts that have heights as small as 10 mm with a 720p webcam. We further apply this threat model to web textual contents with varying attacker capabilities to find thresholds at which text becomes recognizable. Our user study with 20 participants suggests present-day 720p webcams are sufficient for adversaries to reconstruct textual content on big-font websites. Our models further show that the evolution towards 4K cameras will tip the threshold of text leakage to reconstruction of most header texts on popular websites. Besides textual targets, a case study on recognizing a closed-world dataset of Alexa top 100 websites with 720p webcams shows a maximum recognition accuracy of 94% with 10 participants even without using machine-learning models. Our research proposes near-term mitigations including a software prototype that users can use to blur the eyeglass areas of their video streams. For possible long-term defenses, we advocate an individual reflection testing procedure to assess threats under various settings, and justify the importance of following the principle of least privilege for privacy-sensitive scenarios. Abstract abstrak I. Pengenalan Panggilan video dalam talian telah menjadi ketara sebagai kaedah komunikasi jarak jauh, terutamanya sejak pandemi COVID19 yang baru-baru ini yang menyebabkan kebijakan kerja-dari-rumah hampir universal di negara-negara utama [24], [27], [31] dan menjadikan persidangan video sebagai norma bagi syarikat dan sekolah untuk menampung komunikasi interpersonal walaupun selepas pandemi [6], [15], [43], [51]. Walaupun persidangan video menyediakan orang-orang dengan kemudahan dan penyelamatan interaksi visual, ia secara tidak sengaja mendedahkan maklumat teks sensitif yang boleh digunakan oleh pihak jahat yang bertindak sebagai peserta. skrin peserta boleh mengandungi maklumat peribadi. webcam peserta sendiri boleh menangkap maklumat ini apabila ia tercermin oleh kacamata peserta dan secara tidak sengaja memberikan maklumat kepada lawan (Gambar 1). Kami merujuk kepada serangan ini sebagai serangan peeking webcam. Selain itu, keupayaan lawan hanya akan terus meningkat dengan peningkatan resolusi, kadar bingkai, dan banyak lagi. Oleh itu, penting untuk memahami akibat dan had serangan peeking webcam dalam tetapan semasa dan masa depan yang mungkin. Kerja terdahulu menunjukkan bahawa serangan serupa yang mengeksploitasi refleksi optik daripada objek berdekatan dalam setup terkawal adalah mungkin, seperti mengamati teapots di atas meja dengan kamera digital single-lens reflex (DSLR) high-end dan teleskop pada jarak [25], [26]. Cabaran dan karakterisasi peeking menggunakan webcams yang lebih meluas, bagaimanapun, adalah berbeza kualiti kerana imej berkualiti yang lebih rendah daripada webcams hari ini. Imej webcams berkualiti yang lebih rendah disebabkan oleh jenis-jenis distorsi unik, iaitu tembakan dan bunyi ISO kerana penerimaan cahaya yang tidak mencukupi, dan panggilan untuk teknik-teknik baru-peningkatan imej. Di samping itu, model matematik baru dan rangka kerja analisis diperlukan untuk memahami model ancaman serangan peeking webcam hari ini. Akhirnya, model ancaman baru Terdapat banyak jenis media yang boleh bocor di atas refleksi optik, termasuk teks dan grafik. Kami memberi tumpuan kepada bocor teks dalam kerja ini kerana ia merupakan titik permulaan semulajadi untuk pengenalan yang boleh diukur dan pemodelan garis asas bocor maklumat, tetapi juga menyediakan wawasan mengenai bocor maklumat non-tekstual seperti menjejaskan laman web yang dipaparkan melalui pengenalan kandungan grafik pada skrin. Kami cuba menjawab tiga soalan utama berikut: Soalan 1: Apa faktor utama yang mempengaruhi keupayaan peeking lawan webcam? Soalan 2: Apakah had fizikal keupayaan lawan pada hari ini dan masa depan yang boleh diprediksi, dan bagaimana lawan mungkin boleh memperluaskan had? Soalan 3: Apa ancaman yang berkaitan dengan peeking webcam terhadap sasaran ruang siber dan pengurangan yang mungkin terhadap ancaman? Untuk menjawab Q1, kami mencadangkan model matematik yang disederhanakan tetapi cukup tepat untuk saiz piksel refleksi. Model ini termasuk faktor-faktor seperti resolusi kamera dan jarak kaca-skrin dan membolehkan prediksi had peeking webcam sebagai teknologi kamera dan video berevolusi. Dengan menggunakan indeks kesamaan struktural gelombang kompleks sebagai metrik objektif untuk pengenalan refleksi, kami juga menyediakan analisis semi kuantitatif untuk faktor-faktor fizikal lain termasuk intensiti cahaya persekitaran yang mempengaruhi rasio isyarat kepada bunyi-bunyi refleksi. Untuk menjawab Q2, kami menganalisis penyelewengan dalam imej webcam dan mencadangkan rekonstruksi resolusi super multi-frame untuk peningkatan imej yang berkesan untuk memperluaskan had. Kami kemudian mengumpul data refleksi kacamata dalam persekitaran makmal yang dioptimalkan dan menilai had pengenalan refleksi melalui kedua-dua pekerja crowdsourcing pada model pengenalan watak optik Amazon Mechanical Turk. Penilaian ini menunjukkan lebih daripada 75% ketepatan dalam mengenali teks yang mempunyai ketinggian fizikal 10 mm dengan webcam 720p Untuk menjawab Q3, kami memberi tumpuan kepada matlamat teks web untuk membina benchmark yang membolehkan perbandingan yang bermakna antara ancaman peeking webcam hari ini dan masa depan. Kami mula-mula memetakan had yang dihasilkan daripada model dan penilaian kepada kandungan teks web dengan menyiasat laporan terdahulu mengenai saiz teks web dan memeriksa huruf secara manual di 117 laman web huruf besar 4K. Kemudian, kami menjalankan kajian pengguna dengan 20 peserta dan memainkan permainan respon cabaran di mana seorang penulis bertindak sebagai lawan untuk menyimpulkan kandungan HTML yang dicipta oleh penulis lain. Hasil kajian pengguna mencadangkan bahawa kamera web 720p hari ini boleh peek teks di 117 laman web huruf besar dan kamera web 4K masa depan diprediksi untuk meletakkan ancaman kepada teks header dari laman web popular. Kami menyiasat faktor-faktor mendasar yang memboleh Akhirnya, kami membincangkan kemungkinan pencegahan jangka pendek termasuk menyesuaikan pencahayaan alam sekitar dan membingungkan kawasan kaca dalam perisian. Kami juga membayangkan penyelesaian jangka panjang mengikut prosedur penilaian refleksi individu dan prinsip keistimewaan yang paling sedikit. Secara ringkas, matlamat kerja ini adalah untuk menyediakan asas teori dan benchmark untuk kajian ancaman peeking webcam yang muncul dengan teknologi webcam yang berkembang dan pembangunan infrastruktur persidangan video yang lebih selamat. ∙ Kerja kami mengukur had dan faktor utama yang meramalkan tahap kebocoran maklumat daripada peeking webcam menggunakan pemodelan teori dan eksperimen. karakterisasi ini membantu meramalkan kelemahan masa depan yang tidak diketahui yang dikaitkan dengan had teknologi webcam yang sedang berkembang yang belum wujud. ∙ Benchmark yang memberi tumpuan kepada sasaran teks web yang membolehkan perbandingan ancaman peeking webcam. metodologi benchmarking kami membina pada konvensi reka bentuk teks web dan kajian pengguna 20 peserta pada kamera hari ini supaya benchmark boleh digunakan kepada kedua-dua kamera hipotetik dan muncul dalam tahun-tahun akan datang. ∙ Analisis pengurangan jangka pendek termasuk penggunaan penapis pengelupasan berasaskan perisian dan perubahan setup fizikal serta pertahanan jangka panjang yang mungkin melalui ujian proaktif dan mengikut prinsip keistimewaan terkecil. 
 
 Dokumen ini boleh didapati di arkiv di bawah lesen ATTRIBUTION-NONCOMMERCIAL-NODERIVS 4.0 INTERNATIONAL. Dokumen ini boleh didapati di arkiv di bawah lesen ATTRIBUTION-NONCOMMERCIAL-NODERIVS 4.0 INTERNATIONAL. Tersedia dalam Archive

Part of HackerNoon's growing list of open-source research papers, promoting free access to academic material.

Read My Stories

undefined's blog

Audio ini dihasilkan dalam bahasa asal cerita!

Terlalu panjang; Untuk membaca

Download free Tech Leaders Productivity Report!

Kacamata anda boleh bermain rahsia sensitif pada panggilan video

About Author

KOMEN

GANTUNG TANDA

ARTIKEL INI DIBENTANGKAN DALAM

Related Stories

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps