Side-channel attacks on IoT data and countermeasures
IoT verileri üzerine yan kanal saldırıları ve savunma mekanızmaları
- Tez No: 972460
- Danışmanlar: Prof. Dr. YÜCEL SAYGIN, Assist. Prof. Dr. MEHMET EMRE GÜRSOY
- Tez Türü: Doktora
- Konular: Mekatronik Mühendisliği, Mechatronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Sabancı Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Mekatronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
This thesis explores novel privacy vulnerabilities arising from the unintended use of sensor data in mobile and wearable systems. The first part introduces LuxTrack, a side-channel attack that leverages the ambient light sensor (ALS) of a smartphone to infer user activities on nearby laptop screens based on emitted light intensity. We developed an Android application to collect ALS data in a controlled environment with real users and showed that machine learning models trained on extracted features could infer viewed websites or applications with up to 80\% accuracy. We then proposed and evaluated three countermeasures—binning, smoothing, and noise addition—demonstrating that attack accuracy could be reduced to below 30\% while maintaining legitimate task utility. In the second part, we examine how motion sensor datasets, initially designed for activity or fall detection, can be exploited for subject inference attacks. Using the SisFall dataset, we show that it is possible to accurately identify individuals based on their motion patterns using machine learning models and statistically significant features. We propose and evaluate several defense mechanisms that inject noise at the feature and sensor levels, achieving a strong trade-off between reducing subject identification accuracy and preserving activity recognition performance. Together, these studies highlight the risks of side-channel leaks and unintended inferences in sensor-based systems, and propose practical defenses to support privacy-preserving data analytics.
Özet (Çeviri)
Bu tez, mobil ve giyilebilir sistemlerdeki sensör verilerinin amaç dışı kullanımıyla ortaya çıkan yeni gizlilik açıklarını incelemektedir. İlk bölümde, bir akıllı telefonun ortam ışığı sensöründen (ALS) yararlanarak yakındaki bir dizüstü bilgisayar ekranında gerçekleştirilen kullanıcı aktivitelerini, ekrandan yayılan ışık yoğunluğuna göre tahmin eden bir yan kanal saldırısı olan LuxTrack tanıtılmaktadır. Gerçek kullanıcılarla kontrollü bir ortamda ALS verisi toplamak üzere geliştirdiğimiz Android uygulaması sayesinde, çıkarılan özelliklerle eğitilen makine öğrenimi modellerinin görüntülenen internet sitelerini veya uygulamaları \%80'e varan doğrulukla tahmin edebildiğini gösterdik. Ardından, saldırı doğruluğunu \%30'un altına indirirken, meşru görevlerin doğruluğunu yalnızca \%3 oranında azaltan üç karşı önlem—aralıklama (binning), yumuşatma ve gürültü ekleme—önerdik ve değerlendirdik. Tezin ikinci bölümünde, başlangıçta aktivite veya düşme tespiti amacıyla oluşturulan hareket sensörü veri kümelerinin, kişi çıkarımı saldırıları için nasıl kötüye kullanılabileceği ele alınmaktadır. SisFall veri kümesi kullanılarak, bireylerin hareket desenlerinden yola çıkarak, anlamlı istatistiksel özellikler ve makine öğrenimi modelleri yardımıyla yüksek doğrulukta tanımlanabildiği gösterilmiştir. Özellik ve sensör düzeyinde gürültü enjekte eden çeşitli savunma mekanizmaları önerilmiş ve bu mekanizmaların, aktivite tanıma performansını korurken kişi tanıma doğruluğunu önemli ölçüde düşürdüğü ortaya konmuştur. Bu çalışmalar birlikte değerlendirildiğinde, sensör tabanlı sistemlerdeki yan kanal sızıntıları ve amaç dışı bilgi çıkarımı risklerine dikkat çekilmekte ve gizliliği koruyan veri analitiği için uygulanabilir savunma çözümleri sunulmaktadır.
Benzer Tezler
- Yan kanal saldırılarının derin öğrenme tabanlı analizi
Deep learning-based analysis of sidechannel attacks
SENA ASLIBAY
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
PROF. DR. ÜNAL ÇAVUŞOĞLU
- Raspberry Pi üzerinde gerçeklenmiş RSA algoritmasına yan kanal analizi
Side channel analysis to RSA algorithm implemented on Raspberry Pi
ERSİN HATUN
Yüksek Lisans
Türkçe
2018
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. SIDDIKA BERNA ÖRS YALÇIN
- The information theoretical privacy and the impact of communication channel on information theoretic privacy
Bilgi kuramsal mahremiyet ve haberleşme kanalının bilgi kuramsal mahremiyete etkisi
MEHMET ÖZGÜN DEMİR
Yüksek Lisans
İngilizce
2017
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÜNEŞ ZEYNEP KARABULUT KURT
- Qos-aware and secure smt processors
Qos-odaklı ve güvenli smt işlemciler
SERCAN SARI
Doktora
İngilizce
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYeditepe ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ONUR DEMİR
PROF. DR. GÜRHAN KÜÇÜK
- Nöromorfik hesaplama ve memristor tabanlı ağ saldırı tespit sistemleri: Siber güvenlikte yeni yaklaşımlar
Neuromorphic computing and memristor-based network attack detection systems: New approaches in cyber security
YUSUF ETKA KÖYLÜ
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. İLHAN KOCAARSLAN