Invisible Ears at Your Fingertips: Escuchas Acústicas mediante Sensores de Ratón

Contexto y Descubrimiento

Investigadores del Departamento de Ingeniería Eléctrica y Ciencias de la Computación de UC Irvine han desarrollado Mic-E-Mouse, un prototipo que demuestra cómo los sensores ópticos de alta precisión presentes en ratones gaming modernos pueden capturar vibraciones de superficie y, mediante técnicas avanzadas de IA, reconstruir conversaciones con sorprendente precisión.

A diferencia de ataques side-channel tradicionales que requieren hardware especializado, Mic-E-Mouse aprovecha dispositivos comerciales de bajo costo (desde $45 USD) que ya están ampliamente distribuidos en entornos corporativos y domésticos.

Fundamentos Técnicos del Ataque

¿Cómo Funciona el Sensor Óptico?

Los ratones ópticos modernos emplean una cámara CMOS miniaturizada (típicamente 18×18 o 30×30 píxeles) que captura patrones de speckle en la superficie iluminada por un LED o láser. El DSP (Digital Signal Processor) integrado procesa estos patrones mediante correlación cruzada en el dominio de frecuencia:

1. Captura de imágenes: 4,000-8,000 frames por segundo (polling rate)
2. FFT cross-correlation: Detección de desplazamiento mediante Fast Fourier Transform
3. Filtrado Kalman: Refinamiento de trayectoria y reducción de ruido
4. Cuantización: Conversión a desplazamientos discretos (∆X, ∆Y)

Del Ruido al Lenguaje: Pipeline Mic-E-Mouse

La reconstrucción de audio requiere un pipeline sofisticado de procesamiento de señales y Machine Learning:

Etapa 1: Recolección de Datos

El malware (que puede estar embebido en aplicaciones legítimas) accede a datos del ratón vía:

• Linux: /dev/input/mouseX o drivers HID
• Windows: LowLevelMouseProc API
• macOS: CGEventTapCreate en Quartz Event Services

Los datos capturados son tripletas (∆t, ∆X, ∆Y) con timestamps en microsegundos. El problema: muestreo no uniforme debido al comportamiento energy-saving del sensor.

Etapa 2: Preprocesamiento de Señal

Para corregir el muestreo irregular se aplica interpolación sinc (Whittaker-Shannon):

∆P̂[t] = Σ ∆P[i] × sinc((t - ti) / T)
donde T = 1/Fs, Fs = 16,000 Hz (target)

Etapa 3: Filtrado Wiener Adaptativo

Reducción de ruido basada en perfiles espectrales:

• Estimación de ruido del sensor (capturando 10 min de jitter)
• Espectro de referencia de voz humana (datasets AudioMNIST/VCTK)
• Filtrado óptimo que maximiza SNR preservando inteligibilidad

Etapa 4: Reconstrucción Neural

Arquitectura transformer encoder-only inspirada en OpenAI Whisper:

• Input: Log-mel spectrogram (80 bins, ventana 25ms) de ∆X + ∆Y combinados
• Encoder: Multi-head self-attention blocks con residual connections
• Output: Waveform reconstruido optimizado con L1/L2 loss
• Optimizer: Adam (lr=0.001, 30 epochs, decay γ=√½ cada 5 epochs)

Etapa 5: Clasificación de Keywords

Para extracción semántica se emplea Wav2Vec2, modelo transformer preentrenado que permite:

• Reconocimiento de dígitos: 61.57% accuracy (AudioMNIST)
• Reconocimiento de habla: 62.30% accuracy (VCTK dataset)
• Gran campo receptivo temporal (25ms de audio)

Dispositivos Vulnerables

Criterios de Vulnerabilidad

Un ratón es vulnerable si cumple:

1. Sensor: PAW3395 o PAW3399 (PixArt Imaging Inc.)
2. DPI: ≥ 20,000 (para detectar vibraciones sutiles)
3. Polling Rate: ≥ 4 KHz (para cumplir Nyquist en frecuencias de voz)
4. IPS: ≥ 250 (Inches Per Second, indica sensibilidad del sensor)

Modelos Confirmados Vulnerables

La investigación identificó 26 modelos comerciales. Los más críticos:

Nota: El porcentaje de "reconstrucción" indica el máximo teórico de fonemas en rango de frecuencia recuperable según polling rate y Nyquist-Shannon.

Vectores de Explotación

1. Aplicaciones con Telemetría

Software que naturalmente recolecta datos de ratón (Blender, Kdenlive, editores de imagen) podría transmitir logs a servidores comprometidos.

2. Anti-Cheat Systems en Videojuegos

Sistemas como Vanguard (Valorant) analizan input del usuario. Una versión maliciosa podría implementar Mic-E-Mouse en background. La investigación demostró un exploit funcional en OpenBlok (Tetris open-source) mediante un simple patch al código fuente.

3. Exploits Vía Navegador (Limitado)

JavaScript normalmente limita eventos de ratón a refresh rate del monitor (~60-144 Hz). Sin embargo, se observó que activando DevTools (F12) en Chrome, el event rate aumentaba temporalmente a 1 KHz. Esto sugiere que futuras APIs podrían reintroducir vulnerabilidad.

Implicaciones de Seguridad Críticas

Por Qué Este Ataque Es Particularmente Peligroso

1. Ubicuidad del Hardware: Los ratones gaming de alto rendimiento ya no son nicho. Se estima que el mercado global alcanzará $2.61 billones USD en 2023, con CAGR 8.1%. Los sensores vulnerables están en dispositivos de $45-160 USD.
2. Sin Permisos Elevados: El ataque opera desde user-space. Frameworks como Qt, GTK, SDL permiten acceso a datos del ratón sin sudo. Esto bypassa controles de seguridad tradicionales.
3. Invisible para el Usuario: A diferencia de malware que activa LEDs de cámara o solicita permisos de micrófono, Mic-E-Mouse es completamente silencioso. El ratón funciona normalmente mientras transmite datos.
4. Entornos "Seguros" Comprometidos: SCIFs (Sensitive Compartmented Information Facilities), salas de juntas ejecutivas, y espacios donde cámaras/micrófonos están prohibidos pero ratones son permitidos.
5. Escalabilidad de IA: Los modelos actuales (42-61% accuracy) son la baseline. Con GPT-4 Whisper y modelos multimodales futuros, la precisión solo mejorará.

Limitaciones Actuales (No Permanentes)

• Uso activo del ratón: Movimiento vigoroso introduce ruido. El ataque funciona mejor cuando el ratón está estático o con movimiento mínimo.
• Superficies rígidas: Escritorios gruesos (>3cm) o materiales densos atenúan vibraciones. Superficies delgadas (<1cm) de madera/plástico son ideales para el atacante.
• Volumen de voz: Eficacia cae dramáticamente bajo 60 dB SPL. Conversación normal (70-80 dB) es óptima.

Contramedidas y Mitigación

Nivel Organizacional

1. Política de Dispositivos Periféricos

• Blacklist de sensores vulnerables: Prohibir ratones con PAW3395/PAW3399 en entornos de alta seguridad
• Whitelist de hardware aprobado: Mantener inventario de ratones con sensores legacy (<10K DPI, <1KHz polling)
• Enforcement via udev rules (Linux):

  # /etc/udev/rules.d/99-block-hid.rules
  # Bloquear ratones Razer con sensores vulnerables
  SUBSYSTEM=="usb", ATTRS{idVendor}=="1532", ATTRS{idProduct}=="0091", MODE="0000"

2. Monitoreo de Red

• Alertas sobre tráfico inusual desde endpoints con patrones de transmisión periódica (típico de telemetría de ratón)
• DLP (Data Loss Prevention) configurado para detectar payloads que coincidan con estructuras de mouse logs
• Análisis de tráfico cifrado: picos de uso de bandwidth sin actividad de red explicable

3. Controles Físicos

• Mouse pads especializados: Superficies con damping acústico (goma de alta densidad, gel)
• Escritorios anti-vibración: Superficies gruesas (>5cm) o con aislamiento acústico integrado
• White noise generators: En salas críticas, generar ruido blanco acústico que contamine vibraciones de superficie

Nivel Individual/SOHO

• Usar ratones de oficina estándar (<5K DPI, <500Hz polling) para trabajo sensible
• Revisar permisos de aplicaciones instaladas (especialmente games con anti-cheat)
• Firewall egress rules: bloquear conexiones no autorizadas desde software con acceso HID
• Considerar mouse pads gruesos de goma

Nivel Vendor/Fabricante

• Firmware updates: Implementar rate limiting configurable (cap polling a 1KHz en "privacy mode")
• OS-level protections: APIs que requieren explicit consent para high-frequency mouse data
• Hardware countermeasures: Filtros digitales en DSP que eliminen componentes de frecuencia en rango vocal

Contexto en el Panorama de Side-Channel Attacks

Comparativa con Ataques Similares

Ataque	Vector	Bitrate	SNR	Accuracy	Costo Hardware
Mic-E-Mouse	Sensor óptico ratón	14.6 kbps	+19 dB	61%	$45-160
Lamphone	Bulbo de luz (vibración)	48 kbps	+24 dB	N/A	Telescopio óptico
LidarPhone	Sensor LiDAR (aspiradoras)	28.8 kbps	N/A	91%	Dispositivo existente
Gyrophone	Giroscopio smartphone	3.2 kbps	N/A	26%	Smartphone
Visual Microphone	High-speed video	>22 Mbps	+30 dB	N/A	Cámara especializada

Mic-E-Mouse se posiciona como un threat vector de alta viabilidad práctica: menor bitrate que video/optical pero suficiente para inteligibilidad de voz, hardware ubicuo y económico, y sin requerir line-of-sight o acceso físico al espacio objetivo.

Conclusiones para Profesionales de Ciberseguridad

Mic-E-Mouse no es un ataque teórico: es un exploit funcional contra hardware ampliamente distribuido. Las implicaciones son profundas para tres áreas:

1. Threat Modeling

Los modelos de amenaza tradicionales asumen que ambientes sin cámaras/micrófonos son "physically secure". Mic-E-Mouse demuestra que cualquier sensor de alta frecuencia puede ser repurposed mediante ML suficientemente sofisticado. Debemos expandir threat models para incluir:

• Acelerómetros, giroscopios (smartphones, wearables)
• Sensores LiDAR (robots vacuum, automotive)
• Sensores de proximidad, ToF (Time-of-Flight) en dispositivos IoT
• Incluso sensores de temperatura/presión de alta resolución

2. Supply Chain Security

Si ratones de $45 USD son vectores de ataque, ¿qué otros componentes "benignos" pueden ser exploited post-purchase? La convergencia de sensores de alta fidelidad + conectividad de red + capacidad computacional edge está ampliando masivamente la superficie de ataque.

3. Defense in Depth

La defensa efectiva contra side-channels requiere enfoque multidisciplinario:

• Physical security: Evaluación de superficies, control de dispositivos periféricos
• Network security: Monitoreo de telemetría, DLP adaptado a nuevos vectores
• Endpoint security: Least-privilege para APIs de sensores, sandboxing de aplicaciones con HID access
• Policy: Procurement guidelines, acceptable use policies actualizadas

Referencias y Recursos

Paper Original:
Mohamad Habib Fakih, Rahul Dharmaji, Youssef Mahmoud, Halima Bouzidi, Mohammad Abdullah Al Faruque (2025). "Invisible Ears at Your Fingertips: Acoustic Eavesdropping via Mouse Sensors." arXiv:2509.13581v1 [cs.CR]
University of California, Irvine - Dept. of Electrical Engineering and Computer Science
https://arxiv.org/html/2509.13581v1

Código y Datasets:

• Mic-E-Mouse Website (código, datasets): https://sites.google.com/view/mic-e-mouse
• AudioMNIST Dataset: 30,000 grabaciones de dígitos hablados (60 speakers)
• CSTR VCTK Corpus v0.92: 54 horas de voz en inglés (110 speakers)

Tecnologías Referenciadas:

• OpenAI Whisper (transformer-based ASR model)
• Wav2Vec2 (Facebook Research - self-supervised speech representation)
• PixArt Imaging PAW3395/PAW3399 (sensor datasheets)