Machine learning classification of Amazon Echo dot users via encrypted voice traffic

Internet of Things (IoT) popularity has reached an all-time high in the last years: it is relevant in everyday life and most people’s lives are affected by its convenient services. Smart Speakers are one of the most relevant categories in the field: Amazon’s first Smart Speakers production has started in 2014 and since then it is been considered the World standard. Their product are based off the Alexa virtual assistant technology, which enforces the most advanced Artificial Intelligence (AI) models in order to pro vide an efficient service to the end user. The aim of this thesis is to combine the IoT and Machine Learning (ML) disciplines by building and developing a reliable model that classifies the Amazon Echo Dot users. The dataset used to build the ML models will be gathered by a passive data packets collecting infrastructure. The thesis’ results will be an in-depth resource, useful to continue the research on users classification and demonstrate the privacy faults that an ill-intentioned hacker could exploit on such infrastructure.

La popolarità del mondo dell’Internet of Things (IoT) ha raggiunto il suo picco negli ultimi anni: è rilevante nella vita di tutti i giorni e molte persone ne godono dei suoi utili servizi. Gli Smart Speaker sono una delle sottocategorie più interessanti nel campo: i primi Smart Speaker sono stati prodotti da Amazon nel 2014 e, da allora, sono considerati lo standard mondiale. I loro prodotti sono basati sulla tecnologia dell’assistente virtuale di Alexa, la quale usa i più avanzati modelli di Intelligenza Artificiale (AI) per procurare un servizio efficiente all’utente finale. Lo scopo della tesi è quello di combinare i campi dell’IoT e del Machine Learning (ML) costruendo e sviluppando un modello che classifica gli utilizzatori di Amazon Echo Dot. Il dataset usato per costruire i modelli ML sarà prodotto da un’infrastruttura di raccolta passiva di pacchetti di dati. I risultati della tesi saranno una risorsa approfondita, utile per proseguire la ricerca nel campo della classificazione degli utenti e una dimostrazione delle falle di sicurezza che un hacker malintenzionato potrebbe sfruttare.