Black Hat Europe 2025 | Ghosts in the Stream: Exposing Lives and Devices Behind Encrypted Doors
三句話摘要
Matter物聯網標準雖有強密碼保護，但通過分析加密流量的封包大小和通訊模式，可推斷出設備類型、用戶行為與自動化規則，構成重大隱私風險。 Matter標準雖然提供了強大的密碼學保護，卻因缺乏密碼協商機制和設備互操作性要求，導致流量特性洩露足以完整推斷用戶行為和自動化規則的隱私信息，暴露了在快速演進的物聯網標準中，安全加密與隱私保護設計的根本性衝突。 Matter標準在設計上優先考慮互操作性和安全性，但忽視了隱私保護。標準採用AES-128 CCM加密，不支援密碼協商或密碼敏捷性，導致相同的使用者命令每次都產生相同的加密封包大小，成為流量分析的基礎。
重點整理
重點- 1
Matter標準在設計上優先考慮互操作性和安全性，但忽視了隱私保護。標準採用AES-128 CCM加密，不支援密碼協商或密碼敏捷性，導致相同的使用者命令每次都產生相同的加密封包大小，成為流量分析的基礎。
- 2
由於Matter要求不同廠商的同類設備使用相同的功能簇（如智慧燈泡和智慧插座的開關簇），相同的命令會產生可識別的特定封包大小，形成設備類型的數位指紋。研究團隊成功為所有設備類型建立了指紋資料庫，且可識別發送命令的控制器類型。
- 3
通過機器學習（Random Forest演算法）分析加密流量，研究團隊實現了90%以上的設備類型識別準確率。雖然超過90%的流量為重複的Report序列（設備定期發送的狀態更新），但剔除此無用資料後，剩餘10%的流量可充分暴露設備特徵。使用者與設備的互動次數越多，分類準確度越高。
- 4
隱私洩露能力遠超設備識別，攻擊者可推斷出辦公室出勤人數（通過統計門窗感測器事件）、員工參加外部活動時間、不同區域的訪問頻率，甚至完整的自動化規則鏈路。這些資訊可用於推側目標攻擊或基礎設施評估。
實用技巧與重點
乾貨- 研究機構與參與者
- Bitdefender高級安全研究員Janga Bela（IoT安全、20年以上經驗）
- Eindhoven科技大學碩士生Christopher Schlett
- 聯合研究專案
- Matter標準背景
- 推出年份：2022年
- 參與企業：600多家
- 支持設備：門窗感測器、智慧插座、溫度計、智慧鎖、攝影機、路由器等
- 協議層次：Bluetooth（配網）、Wi-Fi、Thread（IPv6低功率網狀網路）
- 核心特性：強制加密、設備證書認證
- 加密方案
- 標準：AES-128 CCM（NIST 800-38C）
- 限制：無密碼協商、無密碼敏捷性、固定128位金鑰
- Matter通訊四大事務類型
- Read：讀取請求和回應
- Write：寫入命令
- Invoke：調用操作
- Report：設備主動上報（無索取的狀態更新，有時為空）
- 測試環境
- 位置：Turgu Mures羅馬尼亞Bitdefender辦公室
- 控制器：Home Assistant開源控制器、Apple商業控制器
- 設備數量：多類設備，完整的辦公自動化場景
- 用戶互動：進門觸發自動化、設備交互等
- 機器學習結果
- 演算法：Random Forest
- 原始資料不平衡：90%為Report序列（所有設備相同）
- 處理方法：剔除無特徵的Report，僅用10%有效流量訓練
- 設備識別準確率：依互動程度和時間窗口，範圍20%-95%以上
- 可識別內容：設備類型、控制器廠商、用戶行為模式
- 隱私推論案例
- 人員推估：通過門窗感測器事件計數估算出勤人數
- 會議出席：通過流量異常週期發現團隊參加法國峰會的週次
- 區域熱度：比較不同區域的運動感測器流量差異，推斷辦公室訪問模式
- 自動化重構：觀察多設備時間相關性，識別完整的自動化規則鏈
- 防護方案測試結果
- 隨機擾亂：大多數設備準確率降至接近0%，但複雜設備仍保持高準確率
- 統一封包大小（100字節倍數）：整體準確率下降至40%以下，但通訊開銷大幅增加，對電池設備和Thread協議造成嚴重影響
- 現狀：無有效解決方案既能保護隱私又不顯著降低效率
- 相關法規
- CRA（網絡韌性法）：要求數位元素增強個人隱私
- GDPR：歐盟數據保護規範
- 研究方向
- 個人身份識別的可行性（未在本研究中探索）
- Thread層級流量分析（無需網路存取）
- 更多密碼方案的評估
- 隱私與效率的平衡方案
結論
結論“Matter標準雖然提供了強大的密碼學保護，卻因缺乏密碼協商機制和設備互操作性要求，導致流量特性洩露足以完整推斷用戶行為和自動化規則的隱私信息，暴露了在快速演進的物聯網標準中，安全加密與隱私保護設計的根本性衝突。”
完整解析
詳細Matter標準在2022年推出時，承諾為物聯網生態帶來強制性的安全保護和設備互操作性。該標準由超過600家企業合作支持，並迅速從簡單的門窗感測器擴展到智慧鎖、攝影機和網路設備等關鍵設施。然而，Bitdefender和Eindhoven科技大學的聯合研究發現，儘管Matter採用了AES-128 CCM加密確保通訊保密性和完整性，但其設計在隱私保護上存在根本性缺陷。
這個缺陷源自Matter標準的一個關鍵特性：為了實現互操作性，不同廠商製造的同類設備必須使用相同的功能簇（Cluster）來提供相同的功能。例如，甲廠的智慧燈泡和乙廠的智慧燈泡都必須實現相同的開關、亮度調整等功能。因此，當使用者在智慧家居控制器上執行「打開燈」命令時，無論是哪個廠牌的燈泡，加密後的封包大小都是相同的。更關鍵的是，Matter標準不支援密碼協商或密碼敏捷性，這意味著同一命令在不同時間加密都會產生完全相同的封包大小。研究團隊通過裝置指紋識別技術，為辦公環境中的每一類設備建立了獨特的「簽名」——即該設備類型所有可能命令對應的封包大小列表。
研究團隊採集了Bitdefender羅馬尼亞辦公室的真實加密流量，並使用Home Assistant開源控制器和Apple商業控制器進行測試。他們發現，超過90%的流量來自於設備定期向控制器發送的重複性「Report」訊息，這些訊息對所有設備都是相同的，因此沒有特徵識別價值。但在剩餘的10%有意義流量中，不同設備類型的特徵差異明顯。通過Random Forest機器學習演算法分析，研究團隊成功實現了90%以上的準確率來識別設備類型。令人驚訝的是，他們還能在某些情況下識別發送命令的控制器廠商（如Apple或開源方案）。
更令人擔憂的是，這些流量分析能力帶來的隱私洩露遠超設備識別。通過分析門窗感測器在不同日期的事件頻率，攻擊者可以推估進出辦公室的人數。透過觀察流量體積的異常波動，研究團隊甚至追蹤出了某一周內多名員工出差到法國參加技術峰會。通過比較不同區域運動感測器的流量差異，可以推斷辦公室哪些區域使用頻率最高。最危險的是，攻擊者可以通過觀察多個設備行為之間的時間相關性，完整重構辦公室的自動化規則——例如推斷出「人員進門→前燈亮起→會議室燈亮起→空調打開」的完整鏈路，進而識別出最脆弱的設備並禁用整個自動化系統。
針對這些隱私風險，研究團隊測試了兩種防護方案。第一種是隨機擾亂（Random Perturbation），即隨機改變封包大小，測試結果顯示大多數設備的分類準確率降至接近0%，但某些具有複雜功能、產生多種不同長度封包的設備仍然能被識別。第二種是統一封包大小（Uniform Packet Sizes），將所有封包大小統一為100字節的倍數，這使機器學習的準確率降至40%以下。然而，這兩種方案都帶來了沉重的通訊代價：對於電池供電設備和Thread低功率網狀網路而言，封包填充會大幅增加能耗和頻寬消耗，在實踐中難以部署。研究團隊的結論是，雖然技術上存在防護方案，但在隱私保護與系統效率之間找到平衡，仍是一個未解決的研究課題。
關鍵時刻
Pipeline v2帶時間戳的重點，會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。
事實查核
Pipeline v2說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。
