對於經常光顧 ATM 自助存取款的人們來說，確保密碼輸入的隱私安全，幾乎已經成為了一項普遍共識。然而近日的一項研究表明，只要透過特殊的訓練，即可利用深度學習演算法，來高效破解被另一隻手遮擋住的 PIN 碼輸入。最終結果是，透過模擬訓練，演算法可在 41% 的機率下猜出四位 PIN 碼。
完整攻擊鏈（來自：Arxiv.org）
實驗期間，研究人員收集了來自 58 名多樣化人群的 5800 段影片，其中涉及輸入 4 位 / 5 位 PIN 碼。
執行預測模擬的機器配置，包括一臺 Intel 志強 E5-2670 處理器 + 128GB 記憶體、以及三套英偉達 Tesla K20m（平均 5GB RAM）計算卡的計算機。
雖然與普通 PC 大不相同，但這套系統的整體經濟性，還是在相當合理的範圍呢。
三種攻擊場景的預測熱圖
透過設定最大 3 次嘗試次數（不然容易被 ATM 吞卡），研究人員在 30% 的時間內重建了 5 位 PIN 碼的正確序列，並在 4 位 PIN 碼中達成了更高的成功率（41%）。
預測模型可根據非輸入（在上遮擋）手的覆蓋範圍來排除按鍵，並透過評估兩個按鍵之間的拓撲距離，從而推斷另一隻手按下了哪個數字。
與此同時，拍攝畫面用的相機位置，也起到了至關重要的作用 —— 尤其針對左撇子或右撇子參與者時。綜合之下，隱藏於 ATM 頂部的針孔攝像頭，對使用者的安全威脅時最大的。
每位數字的猜測與機率
如果錄製裝置同時能夠收音，則預測模型還可根據每個數字略有不同的按壓聲音反饋，來進一步提升預測的準確性。
綜上所述，該實驗證明了用一隻手來遮擋密碼鍵盤的方法，不足以抵禦基於深度學習的 PIN 碼猜測攻擊。慶幸的是，研究團隊也提供了一些反向應對策略。
· 首先，如果銀行允許設施較長的 PIN 碼，就不要圖省事用太短的，即便記起來也更累一些。
· 其次，儘量把手遮擋得嚴實一些。在 75% 覆蓋率下，演算法每次猜測的準確率為 0.55；而在 100% 遮擋的情況下，準確率會大幅降低至 0.33 。
· 第三，靈活運用隨機 / 虛擬鍵盤，而不是標準化的機械鍵盤。雖然實用性不佳，但它確實是一種相當不錯的安全措施。
有趣的是，研究團隊還邀請了 78 位參與者，看他們能夠憑直覺達成多高的隱藏 PIN 碼猜測準確率。結果發現，人類的回答準確率僅為 7.92% 。
