АссистентНовый вопросИсторияОбласти знаний
Партнёрские проектыСпецпроектыСтать автором
Сменить язык
О РУВИКИ

Атака по следам от прикосновений

Экспертиза РАН

Logo-ran.pngLogo-ran-black.png
Проводится экспертиза
Российской академией наук
Подробнее
Times2.svg

Экспертиза РАН

Arrow-Right.png
Logo-ran.png
Проводится экспертиза
Российской академией наук
Подробнее

Атака по следа́м от прикоснове́ний (англ. smudge attack) — это метод извлечения информации, позволяющий получить пароль, введённый на устройстве с сенсорным экраном (например, смартфоне или планшете) по следам от отпечатков пальцев.

Впервые данный тип атаки был исследован командой из Пенсильванского университета в 2010 году[1][2].

Описание

Атака происходит, когда неавторизованный пользователь получает физический доступ к устройству или находится рядом с ним. Злоумышленник определяет последовательность ввода пароля, анализируя следы жира от пальцев пользователя, чтобы восстановить необходимый для доступа к устройству узор или код[2]. Для захвата отпечатков, оставшихся при разблокировке, могут использоваться простые камеры, источники света, порошок для снятия отпечатков пальцев, а также программное обеспечение для обработки изображений. При подходящем освещении следы от пальцев чётко визуализируются, а наиболее выраженные отпечатки указывают на часто используемые свайпы или касания[1].

Атаки по следам от прикосновений особенно эффективны на устройствах с блокировками в виде PIN-кода, текстового пароля или графического узора[3]. Для противодействия данному виду атак разработаны различные схемы, такие как биометрия, TinyLock и SmudgeSafe[4][5][6]. Многие методы либо маскируют следы с помощью особых жестов, либо рандомизируют ввод для уменьшения повторяемости смазанных следов.

Предпосылки

Метод атаки по следам отпечатков на экранах впервые был сформулирован командой из Пенсильванского университета и представлен на 4-й конференции USENIX по наступательным технологиям. Исследователи классифицировали атаку как физическую побочную атаку, где канал утечки формируется благодаря взаимодействию пальца и экрана. Работа получила широкий резонанс в технических СМИ (включая PC Pro, ZDNet[7] и Engadget[8]). В экспериментах на двух Android-смартфонах пароли были полностью восстановлены в 68 % случаев и частично в 92 % случаев при благоприятных условиях[1].

Вскоре после признания угрозы компания Whisper Systems представила в 2011 году мобильное приложение для снижения риска. В нём использовались собственные версии блокировок с узором и PIN-кодом, требующие дополнительных манипуляций для сокрытия оставшихся следов. Для PIN-а пользователь должен был провести пальцем вертикально вниз по области ввода; для графического пароля открывался 10×10 массив звёзд, требовавший провести по ним и выделить перед открытием домашнего экрана[9][10].

Опасности

undefined

Расшифровка следов на экране требует минимального оборудования и специальной подготовки для злоумышленника. Атаки данного типа вызывают серьёзную обеспокоенность в связи с потенциальными последствиями для жертв. Методика применима не только к мобильным телефонам, но и к другим устройствам с сенсорным вводом (банкоматы, домашние замки с кодом, платёжные терминалы и пр.). Пользователи сенсорных устройств, хранящих личные данные, подвержены риску утечки информации. Склонность людей использовать простые и короткие PIN-коды и шаблоны приводит к слабым паролям, облегчая злоумышленникам определение кода по оставшимся следам[11].

undefined

Опасность атак по следам также в том, что жирные отпечатки трудно удалить с сенсорных поверхностей, а их стойкость повышает эффективность атаки. Успех не зависит от «идеальных» следов: злоумышленник может восстановить пароль даже после стирания отпечатков тканью или при наслаивании следов[2]. В работе Cha и др[12]. эксперимент показал, что даже после использования приложения Facebook после разблокировки устройства, 31,94 % телефонов всё равно удалось взломать по следам.

Базовое оборудование для нападения (камера и источник света) легко доступно. Наборы порошков для снятия отпечатков (от 30 до 200 долларов) дополнительно упрощают задачу взлома[13].

Типы злоумышленников

Исследователи из Пенсильванского университета выделяют два базовых типа злоумышленников: активный и пассивный.

Активный

Активный атакующий располагает устройством в руках и регулирует освещение и угол съёмки. Он может специально очищать или покрывать поверхность экрана порошком для повышения заметности следов[2]. Обычно для этого используется закреплённая камера, устройство, положенное на плоскость, и выделенный источник света. Продвинутый атакующий внимательно выбирает угол освещения и камеры, оценивает тип оборудования для поимки наилучших теней и засветок[1].

Пассивный

Пассивный атакующий наблюдает со стороны и не имеет физического доступа к устройству; он дожидается случая, чтобы тайно зафиксировать отпечатки, как только появится возможность завладеть гаджетом. Свет, угол, ситуация и состояние экрана ему неподконтрольны — требуется надеяться на расположение и действия легитимного пользователя[1][2].

Методы и техники

Атакующий должен выделить область экранного ввода, определить характерные следы и возможные комбинации нажатий или узоров[12].

Предобработка

Если следы малозаметны, предварительная обработка позволяет выявить наиболее выраженные отпечатки по деталям строения папиллярных линий. Это отличает следы владельца от тех, кто пользовался устройством впоследствии[13]. При нажатии на экран вещество с пальца (комбинация жиров и загрязнений) заполняет область контакта. После снятия пальца остаются следы, визуализируемые при запудривании специальным порошком, усиливающим диффузное отражение. Используются порошки разного цвета: алюминий, бронза, оксид меди, железо, диоксид титана, графит, магнитные или флуоресцентные порошки, — по аналогии с криминалистикой[13].

Сохранение отпечатков

Для фиксации следов делается серия снимков при разных условиях освещения. Лучшие результаты даёт яркий свет и камера с высоким разрешением. Задача — минимизировать отражения и выделить чёткие отпечатки[13].

Визуальная заметность

Видимость отпечатка зависит от источника света, теней и отражений. Сенсорные экраны по-разному отображают отпечатки при смене условий[13].

  • Диффузное отражение: отражённые лучи рассеиваются под разными углами, изображению отпечатка отдают выразительность. Препроцессинг и сильный свет усиливают эффект[13];
  • Зеркальное отражение: распространяется под одним углом и формирует «виртуальное» изображение (пример — зеркало)[14].

Сопоставление отпечатков с клавиатурой

Сопоставление сфотографированных следов с виртуальной клавиатурой или её эталоном позволяет вычислить, какие кнопки были использованы. Алгоритмы масштабируют изображение, выделяют зоны следов, далее применяется детектор границ Лапласа, затем снимок переводится в бинарное изображение — для выделения контактов (белое на чёрном фоне). Деление на сетку позволяет повысить точность по плотности белых точек[13].

Различие между разными отпечатками

Если пользователей несколько, их отпечатки можно группировать по особенностям строения линий: общему (дуга, петля, завиток) и локальному строению (оконечности, раздвоения). Существуют различные алгоритмы: Filterbank, система соседних векторов ориентации (AOV), корреляционный фильтр[4][13].

  • Filterbank требует полного отпечатка и оперирует векторами признаков, сравнивая евклидовы расстояния;
  • Система AOV сравнивает только набор точек бифуркаций и их относительные ориентации;
  • Корреляционный фильтр сопоставляет тестовый образец с эталоном, результат анализа выражается мощностью совпадения[13].

Атака с подсказкой по следам (smug)

Smug — специфический способ, сочетающий обработку изображений и частичный перебор для угадывания графических паролей. Снимок с отпечатками анализируется с помощью алгоритмов бинаризации, детектора границ Кэнни и преобразования Хафа для выявления местоположения следов. Алгоритм выделяет возможные фрагменты узора и формирует из них модель пароля, которая затем используется, например, в марковской модели n-грамм. В одном из исследований успешность метода по разблокировке 360 кодов составила 74,17 % против 13,33 % при обычном переборе[12][15].

Уязвимые способы аутентификации

Атаки по следам возможны для различных способов блокировки: графических шаблонов Android, PIN-кодов, обычных текстовых паролей — всех методов, требующих ввода на сенсорном экране[16].

PIN-коды

PIN-коды уязвимы не только для атак по следам, но и для атак прямого наблюдения (например, атака с плеча) или простого перебора. PIN часто используется при электронных транзакциях или для доступа к банкоматам. Если код раскрыт или украден, система не способна определить легитимность пользователя, если введён правильный номер[17].

Текстовые пароли

Устройства с текстовыми паролями оставляют следы в местах ввода символов или цифр, что может быть использовано для взлома. Кроме этой уязвимости, текстовые пароли часто бывают простыми — для запоминания пользователи вынуждены выбирать известные слова или часто использовать одни и те же комбинации, входящие в так называемое пространство слабых паролей, что облегчает перебор[11]. В исследовании 2017 года у 86 % из 3289 изученных паролей обнаружено структурное сходство[18].

Draw-a-Secret (DAS)

Draw-a-Secret — графическая схема аутентификации, требующая воспроизвести линию или точки на двумерной сетке. Android Pattern Password — разновидность Pass-Go, основанная на концепции DAS[19][20].

Pass-Go

Pass-Go оперирует выбором пересечений на сетке (а не ячеек), позволяя создавать более длинные пароли, в отличие от классических DAS[21].

Графический пароль рисунком для Android

Графический шаблон Android был введён Google в 2008 году: пользователи соединяют точки на сетке 3×3, чтобы составить шаблон[15]. Около 40 % пользователей Android применяют такой способ блокировки[15]. Число возможных комбинаций — 389 112[22]. Каждый узор должен задействовать не менее четырёх точек, каждая точка используется только раз, пропускать промежуточную точку нельзя, если только она не была пройдена раньше[20]. Такой способ оставляет на экране заметные свайпы, помогающие атакующему расколоть шаблон. Исследование Пенсильванского университета показало возможность полного восстановления кода в 68 % случаев и частично в 92 % случаев[1].

Противодействие

Физиологические биометрические методы (Android Face Unlock, Touch ID, Face ID, Trusted Voice) всё чаще используются для разблокировки устройств. Также разрабатываются и другие сложные схемы, не требующие применения пальцев и исключающие атаку по следам[23].

Надёжные пароли

Сильный пароль — первая линия защиты:

  • не менее 8 символов, длиннее — лучше;
  • избегать словарных слов;
  • менять пароль регулярно;
  • использовать случайно сгенерированные последовательности;
  • не дублировать пароли на разных сервисах[24].

Несмотря на рекомендации, пользователи часто возвращаются к более коротким и простым паролям ради удобства[25].

Антиотпечаточные покрытия

Исследуются антиотпечаточные (липофобные) покрытия: поверхности с низкой поверхностной энергией и высокой прозрачностью (низкая шероховатость) не позволяют жирам оставлять следы. Однако создание долговечных антиотпечаточных покрытий не всегда совместимо с чувствительностью сенсорных панелей[26].

На рынке представлены защитные плёнки и стёкла с антиотпечаточным и антибликовым эффектом (например, Tech Armor, ZAGG[27], стоимостью 30-60 долларов[28]). Используются покрытия типа олеофобных, препятствующие оседанию жира и облегчающие очистку экрана[29]. В 2016 году компания BlackBerry представила модель BlackBerry DTEK50 с олеофобным покрытием[28][30]. То же используется в смартфонах Apple[31][32], Nokia, Lumiа и HTC Hero[33].

Биометрия

Подробнее
Биометрия

Биометрия — метод аутентификации по физиологическим или поведенческим признакам (например, динамика нажатия клавиш, анализ походки, система распознавания лиц)[4]. Система сравнивает уникальные данные индивида с текущими вводимыми значениями[34]. Биометрия классифицируется на физиологическую и поведенческую[35]. Комбинирование биометрии с обычными методами повышает безопасность[36].

Недостатки биометрии: уязвимость к подражанию (атаки имитацией жестов, использования плёнок с метками и т. д.)[37]; компрометация шаблона (утечка биометрических данных)[38][39]. Решением служат схемы защиты биотемплейтов — их шифрование и насыщение дополнительной сложностью[36][38].

Физиологические методы

В эту группу входят:

Поведенческие методы

Поведенческая биометрия опирается на индивидуальные привычки и манеру взаимодействия (голос, походка, манера касания, динамика нажатия клавиш)[35]. Некоторые схемы разработаны специально для противодействия атакам по следам.

  • Touch-Interaction: анализирует особенности движения на сенсорном экране (статический и непрерывный режимы), распознаёт различие по длине, углу, времени, скорости, давлению. Согласно эксперименту Chao и др., все основные параметры демонстрируют стабильность с ошибкой 1,8 %, хотя возможны вариации из-за модели устройства, ПО, окружающей среды и физиологии пользователя[40].
  • BEAT (Behavior-Based Human Authentication on Touchscreen): основывается на распознавании уникальных жестов или подписи пользователя. Первоначально требуется 15-20 повторов для обучения. Оцениваются скорость, ускорение, время движения, направление и т. д. По результату тестирования ошибка составляет около 0,5-0,52 %[41].

SmudgeSafe

SmudgeSafe использует рандомизированные преобразования изображения (поворот, зеркалирование, масштабирование) для каждого экрана блокировки, так что потом атака по следам неэффективна. Исследования показывают, что SmudgeSafe позволяет значительно снизить частоту угадывания пароля по сравнению с обычными паттернами или PIN[6].

TinyLock

TinyLock (Kwon и др[5].) использует две мини-сетки: верхняя отражает процесс подтверждения, нижняя — область для рисования пароля (3×3, но уменьшенная). Такой размер вынуждает пользователя размещать все следы в ограниченной области и дополнительно проводить виртуальным колесом. Недостаток: небольшие точки осложняют ввод сложных узоров, возможны ошибки[15].

ClickPattern

ClickPattern формирует паттерн нажатием по 3×3 сетке с номерами 1-9, без свайпов. Это усложняет различение паттерна по следам, позволяет выявить только используемые точки, но не путь их соединения[42].

Многопальцевая аутентификация (TSFT)

TFST (Touch with Fingers Straight and Together) использует форму и поведенческие характеристики касания для верификации. Пользователь располагает 2-4 пальца ровно, и система анализирует геометрию и динамику движения, включая длину и ширину, давление, время, скорость и угол. Для одной траектории учитывается 13 поведенческих признаков, число признаков растёт для многопальцевых жестов[43].

Пароли на изгиб (bend passwords)

Новые экраны с гибкой поверхностью позволяют реализовать аутентификацию по уникальному жесту изгиба или скручивания дисплея (до 20 разных вариантов — по одному или нескольким углам)[44].

Фрактальная аутентификация (FBAT)

Fractal-Based Authentication Technique (FBAT) использует треугольник Серпинского; пользователь выбирает цветные треугольники по мере углубления уровней и должен узнавать свой рисунок даже при перемешивании положения. Такой способ применим как на смартфонах, так и на терминалах[24].

Knock Code (2×2 и 1×2)

Knock Code (LG Electronics) позволяет разблокировать устройство серией касаний разных зон экрана. Существуют схемы на 4 области (2×2) или на 2 (1×2), которые включают слайд-операции для «стирательного» эффекта[19][45].

  • 2×2: четыре секции, порядка 4,5 млрд комбинаций (в 53 тыс. раз больше оригинала);
  • 1×2: две секции, возможен ввод только большим пальцем.

Перспективы

Популяризация биометрии (сканеры пальца, распознавание лиц) способствует вытеснению традиционных PIN и текстовых паролей[4]. Однако и новые механизмы имеют недостатки — изучение биометрии показало схожесть поведения (движения пальцев, давления), что потенциально облегчает обход[39]. Исследования в области биометрии, мультижестовой аутентификации и других схем продолжаются[17].

Примечания

  1. ↑ 1 2 3 4 5 6 Aviv, Adam J.; Gibson, Katherine; Mossop, Evan; Matt, Matt; Jonathan, Smith (2010). “Smudge attacks on smartphone touch screens” (PDF). USENIX Association: 1—7 – via In Proceedings of the 4th USENIX conference on Offensive technologies.
  2. ↑ 1 2 3 4 5 Spreitzer, Raphael; Moonsamy, Veelasha; Korak, Thomas; Mangard, Stefan (2018). “Systematic Classification of Side-Channel Attacks: A Case Study for Mobile Devices”. IEEE Communications Surveys & Tutorials. 20 (1): 465—488. DOI:10.1109/comst.2017.2779824. HDL:2066/187230. ISSN 1553-877X. S2CID 206578562.
  3. ↑ von Zezschwitz, Emanuel. Making graphic-based authentication secure against smudge attacks // Proceedings of the 2013 international conference on Intelligent user interfaces / Emanuel von Zezschwitz, Anton Koslow, Alexander De Luca … [и др.]. — New York, New York, USA : ACM Press, 2013. — P. 277. — ISBN 978-1-4503-1965-2. — doi:10.1145/2449396.2449432.
  4. ↑ 1 2 3 4 Meng, Weizhi; Wong, Duncan S.; Furnell, Steven; Zhou, Jianying (2015). “Surveying the Development of Biometric User Authentication on Mobile Phones”. IEEE Communications Surveys & Tutorials. 17 (3): 1268—1293. DOI:10.1109/comst.2014.2386915. ISSN 1553-877X. S2CID 8918672.
  5. ↑ 1 2 Kwon, Taekyoung; Na, Sarang (2014-05-01). “TinyLock: Affordable defense against smudge attacks on smartphone pattern lock systems”. Computers & Security [англ.]. 42: 137—150. DOI:10.1016/j.cose.2013.12.001. ISSN 0167-4048. S2CID 15147662.
  6. ↑ 1 2 Schneegass, Stefan. SmudgeSafe // Proceedings of the 2014 ACM International Joint Conference on Pervasive and Ubiquitous Computing / Stefan Schneegass, Frank Steimle, Andreas Bulling … [и др.]. — Seattle, Washington : Association for Computing Machinery, 2014-09-13. — P. 775–786. — ISBN 978-1-4503-2968-2. — doi:10.1145/2632048.2636090.
  7. ↑ Danchev, Dancho Researchers use smudge attack, identify Android passcodes 68 percent of the time (англ.). ZDNet. Дата обращения: 8 ноября 2020. Архивировано 17 марта 2025 года.
  8. ↑ Shocker: Touchscreen smudge may give away your Android password pattern (англ.). Engadget (16 августа 2010). Дата обращения: 8 ноября 2020. Архивировано 23 января 2025 года.
  9. ↑ Android and data loss protection (archived web page). Whisper Systems. Дата обращения: 5 июня 2024. Архивировано 28 июня 2012 года.
  10. ↑ [New App] WhisperCore Prevents Smudge Attacks On Android Phones - With The Sacrifice Of Convenience, That Is (амер. англ.). Android Police (2 июня 2011). Дата обращения: 14 ноября 2020. Архивировано 23 января 2025 года.
  11. ↑ 1 2 Oorschot, P. C. van; Thorpe, Julie (январь 2008). “On predictive models and user-drawn graphical passwords”. ACM Transactions on Information and System Security. 10 (4): 1—33. DOI:10.1145/1284680.1284685. ISSN 1094-9224. S2CID 3849996. Проверьте дату в |date= (справка на английском)
  12. ↑ 1 2 3 Cha, Seunghun. Boosting the Guessing Attack Performance on Android Lock Patterns with Smudge Attacks // Proceedings of the 2017 ACM on Asia Conference on Computer and Communications Security / Seunghun Cha, Sungsu Kwag, Hyoungshick Kim … [и др.]. — New York, NY, USA : ACM, 2017-04-02. — P. 313–326. — ISBN 978-1-4503-4944-4. — doi:10.1145/3052973.3052989.
  13. ↑ 1 2 3 4 5 6 7 8 9 Zhang, Yang. Fingerprint attack against touch-enabled devices // Proceedings of the second ACM workshop on Security and privacy in smartphones and mobile devices / Yang Zhang, Peng Xia, Junzhou Luo … [и др.]. — New York, New York, USA : ACM Press, 2012. — P. 57. — ISBN 978-1-4503-1666-8. — doi:10.1145/2381934.2381947.
  14. ↑ Molecular Expressions Microscopy Primer: Light and Color - Specular and Diffuse Reflection: Interactive Tutorial. micro.magnet.fsu.edu. Дата обращения: 6 ноября 2020. Архивировано 4 августа 2025 года.
  15. ↑ 1 2 3 4 Li, Qingqing; Dong, Penghui; Zheng, Jun (2020-01-11). “Enhancing the Security of Pattern Unlock with Surface EMG-Based Biometrics”. Applied Sciences. 10 (2): 541. DOI:10.3390/app10020541. ISSN 2076-3417.
  16. ↑ Ibrahim, Tahir Musa; Abdulhamid, Shafi'i Muhammad; Alarood, Ala Abdusalam; Chiroma, Haruna; Al-garadi, Mohammed Ali; Rana, Nadim; Muhammad, Amina Nuhu; Abubakar, Adamu; Haruna, Khalid; Gabralla, Lubna A. (август 2019). “Recent advances in mobile touch screen security authentication methods: A systematic literature review”. Computers & Security. 85: 1—24. DOI:10.1016/j.cose.2019.04.008. ISSN 0167-4048. S2CID 145940751. Проверьте дату в |date= (справка на английском)
  17. ↑ 1 2 Ratha, N. K.; Connell, J. H.; Bolle, R. M. (2001). “Enhancing security and privacy in biometrics-based authentication systems”. IBM Systems Journal. 40 (3): 614—634. DOI:10.1147/sj.403.0614. ISSN 0018-8670. S2CID 10691349.
  18. ↑ Liu, Can; Clark, Gradeigh D.; Lindqvist, Janne (2017-03-30). “Guessing Attacks on User-Generated Gesture Passwords”. Proceedings of the ACM on Interactive, Mobile, Wearable and Ubiquitous Technologies. 1 (1): 3:1–3:24. DOI:10.1145/3053331. S2CID 11303893.
  19. ↑ 1 2 “Enhanced Knock Code Authentication with High Security and Improved Convenience”. KSII Transactions on Internet and Information Systems. 12 (9). 30 сентября 2018. DOI:10.3837/tiis.2018.09.024. ISSN 1976-7277.
  20. ↑ 1 2 Andriotis, Panagiotis; Tryfonas, Theo & Oikonomou, George (2014), Complexity Metrics and User Strength Perceptions of the Pattern-Lock Graphical Authentication Method, Lecture Notes in Computer Science, Cham: Springer International Publishing, с. 115–126, ISBN 978-3-319-07619-5, DOI 10.1007/978-3-319-07620-1_11 
  21. ↑ Tao, Hai; Adams, Carlisle (сентябрь 2008). “Pass-Go: A Proposal to Improve the Usability of Graphical Passwords”. International Journal of Network Security. 7 (2): 273—292. CiteSeerX 10.1.1.154.4313. Проверьте дату в |date= (справка на английском)
  22. ↑ Harper, Elizabeth Your Android Phone's Pattern Lock Is Easy to Guess (англ.). www.techlicious.com. Дата обращения: 1 декабря 2020. Архивировано 2 октября 2025 года.
  23. ↑ What's the Most Secure Way to Lock Your Smartphone? (амер. англ.). Gizmodo (26 июля 2017). Дата обращения: 29 октября 2020. Архивировано 9 июня 2024 года.
  24. ↑ 1 2 Ali, Adnan; Rafique, Hamaad; Arshad, Talha; Alqarni, Mohammed A.; Chauhdary, Sajjad Hussain; Bashir, Ali Kashif (7 февраля 2019). “A Fractal-Based Authentication Technique Using Sierpinski Triangles in Smart Devices”. Sensors. 19 (3): 678. Bibcode:2019Senso..19..678A. DOI:10.3390/s19030678. ISSN 1424-8220. PMC 6387263. PMID 30736448.
  25. ↑ Yu, Xingjie; Wang, Zhan; Li, Yingjiu; Li, Liang; Zhu, Wen Tao; Song, Li (ноябрь 2017). “EvoPass: Evolvable graphical password against shoulder-surfing attacks”. Computers & Security. 70: 179—198. DOI:10.1016/j.cose.2017.05.006. ISSN 0167-4048. S2CID 5566753. Проверьте дату в |date= (справка на английском)
  26. ↑ Belhadjamor, M.; El Mansori, M.; Belghith, S.; Mezlini, S. (30 декабря 2016). “Anti-fingerprint properties of engineering surfaces: a review”. Surface Engineering. 34 (2): 85—120. DOI:10.1080/02670844.2016.1258449. ISSN 0267-0844. S2CID 136311346.
  27. ↑ InvisibleShield - The #1 Selling Impact & Scratch Protection. www.zagg.com. Дата обращения: 12 января 2021. Архивировано 5 сентября 2019 года.
  28. ↑ 1 2 blogs.blackberry.com Hackers Can Steal Your Password via Your Smartphone's Screen Smudges. The Smudge-Resistant DTEK50 Helps Prevent That. (англ.). blogs.blackberry.com. Дата обращения: 5 декабря 2020. Архивировано 13 ноября 2024 года.
  29. ↑ Brookes, Tim How to Protect and Restore Your Smartphone's Oleophobic Coating (амер. англ.). How-To Geek (8 апреля 2020). Дата обращения: 7 декабря 2020. Архивировано 7 апреля 2025 года.
  30. ↑ BlackBerry DTEK50 - Full phone specifications. www.gsmarena.com. Дата обращения: 5 декабря 2020. Архивировано 28 сентября 2025 года.
  31. ↑ Giz Bill Nye Explains: The iPhone 3GS's Oleophobic Screen (амер. англ.). Gizmodo (24 июня 2009). Дата обращения: 7 декабря 2020. Архивировано 25 февраля 2019 года.
  32. ↑ Cleaning your iPhone (англ.). Apple Support. Дата обращения: 7 декабря 2020. Архивировано 8 июня 2017 года.
  33. ↑ HTC Hero - Full phone specifications. www.gsmarena.com. Дата обращения: 7 декабря 2020. Архивировано 15 сентября 2025 года.
  34. ↑ How Biometrics Works (англ.). HowStuffWorks (11 ноября 2005). Дата обращения: 31 декабря 2020. Архивировано 6 сентября 2025 года.
  35. ↑ 1 2 3 Alzubaidi, Abdulaziz; Kalita, Jugal (2016). “Authentication of Smartphone Users Using Behavioral Biometrics”. IEEE Communications Surveys & Tutorials. 18 (3): 1998—2026. arXiv:1911.04104. DOI:10.1109/comst.2016.2537748. ISSN 1553-877X. S2CID 8443300.
  36. ↑ 1 2 Ferrag, Mohamed Amine; Maglaras, Leandros; Derhab, Abdelouahid; Janicke, Helge (13 сентября 2019). “Authentication schemes for smart mobile devices: threat models, countermeasures, and open research issues”. Telecommunication Systems. 73 (2): 317—348. arXiv:1803.10281. DOI:10.1007/s11235-019-00612-5. ISSN 1018-4864. S2CID 4407928.
  37. ↑ Khan, Hassan; Hengartner, Urs; Vogel, Daniel (12 февраля 2020). “Mimicry Attacks on Smartphone Keystroke Authentication”. ACM Transactions on Privacy and Security. 23 (1): 1—34. DOI:10.1145/3372420. ISSN 2471-2566. S2CID 211041059.
  38. ↑ 1 2 Jain, Anil K.; Nandakumar, Karthik & Nagar, Abhishek (2013), Fingerprint Template Protection: From Theory to Practice, London: Springer London, с. 187–214, ISBN 978-1-4471-5229-3, doi:10.1007/978-1-4471-5230-9_8, <http://dx.doi.org/10.1007/978-1-4471-5230-9_8>. Проверено 25 ноября 2020. 
  39. ↑ 1 2 Serwadda, Abdul; Phoha, Vir V.; Wang, Zibo; Kumar, Rajesh; Shukla, Diksha (6 мая 2016). “Toward Robotic Robbery on the Touch Screen”. ACM Transactions on Information and System Security. 18 (4): 1—25. DOI:10.1145/2898353. ISSN 1094-9224. S2CID 2800266.
  40. ↑ Shen, Chao; Zhang, Yong; Guan, Xiaohong; Maxion, Roy A. (март 2016). “Performance Analysis of Touch-Interaction Behavior for Active Smartphone Authentication”. IEEE Transactions on Information Forensics and Security. 11 (3): 498—513. Bibcode:2016ITIF...11..498S. DOI:10.1109/TIFS.2015.2503258. ISSN 1556-6013. S2CID 10783876. Проверьте дату в |date= (справка на английском)
  41. ↑ Shahzad, Muhammad; Liu, Alex X.; Samuel, Arjmand (2017-10-01). “Behavior Based Human Authentication on Touch Screen Devices Using Gestures and Signatures”. IEEE Transactions on Mobile Computing. 16 (10): 2726—2741. Bibcode:2017ITMC...16.2726S. DOI:10.1109/TMC.2016.2635643. ISSN 1536-1233. S2CID 38908203.
  42. ↑ Meriem Guerar; Alessio Merlo; Mauro Migliardi (30 июня 2017). “ClickPattern: A Pattern Lock System Resilient to Smudge and Side-channel Attacks”. Journal of Wireless Mobile Networks, Ubiquitous Computing, and Dependable Applications. 8 (2): 64—78. DOI:10.22667/JOWUA.2017.06.31.064.
  43. ↑ Song, Yunpeng. Multi-touch Authentication Using Hand Geometry and Behavioral Information // 2017 IEEE Symposium on Security and Privacy (SP) / Yunpeng Song, Zhongmin Cai, Zhi-Li Zhang. — IEEE, май 2017. — P. 357–372. — ISBN 978-1-5090-5533-3. — doi:10.1109/sp.2017.54.
  44. ↑ Maqsood, Sana; Chiasson, Sonia; Girouard, Audrey (1 августа 2016). “Bend Passwords: using gestures to authenticate on flexible devices”. Personal and Ubiquitous Computing [англ.]. 20 (4): 573—600. DOI:10.1007/s00779-016-0928-6. ISSN 1617-4917. S2CID 15617366.
  45. ↑ LG ANDROID KNOCK ON & KNOCK CODE | LG USA Support (англ.). LG USA. Дата обращения: 7 ноября 2020.

Категории