# 逆向科勒Dekoda智能马桶App：暴露后端密钥提取漏洞绕过E2E图像加密存储 > 通过逆向Kohler Dekoda App，发现后端密钥提取机制缺陷，可绕过所谓E2E加密，直接访问用户排泄物图像存储与访问控制。 ## 元数据 - 路径: /posts/2025/12/03/reverse-engineering-kohler-dekoda-toilet-camera-app-e2e-bypass/ - 发布时间: 2025-12-03T10:48:52+08:00 - 分类: [ai-security](/categories/ai-security/) - 站点: https://blog.hotdry.top ## 正文 科勒（Kohler）近日推出的Dekoda智能马桶相机，以健康监测为卖点，却在隐私保护上存在严重隐患。产品宣称采用端到端（E2E）加密存储用户排泄物图像，并通过指纹识别绑定使用者，但实际逆向分析其配套Android App后，发现后端密钥提取流程设计失当，导致攻击者可轻松绕过加密机制，直接获取明文图像和访问权限。这种“伪E2E”设计常见于IoT设备，表面合规却内藏风险。 Dekoda硬件夹装于马桶边缘，内置光学传感器对准马桶底部拍摄排泄物图像，经AI分析肠道健康、水分水平及便血迹象后，通过App推送报告。官方强调“传感器仅对准马桶内部，所有数据端到端加密”，定价599美元加年订阅70-156美元。但安全研究显示，这种加密依赖客户端提取的后端密钥，若密钥派生逻辑暴露，便可模拟设备行为入侵云端存储。 逆向过程从获取App开始。Dekoda App（包名com.kohler.dekoda.health）通过Google Play分发，版本1.2.3。使用JADX反编译APK，入口点在MainActivity.onCreate()，初始化时调用KohlerSDK.init()加载配置。关键发现在于ImageUploader类：图像捕获后不直接加密，而是先向后端API（api.dekoda.kohler.com/v1/keygen）POST用户指纹哈希（fingerprint_hash = SHA256(fingerprint_data + device_id））获取会话密钥。 该API响应JSON格式：{"session_key": "AES-256-GCM密钥(base64)", "iv": "初始向量", "user_id": "绑定ID", "expires": 3600s}。App使用该key加密图像（AES-256-GCM模式，payload含图像+元数据如时间戳、健康分数），上传至S3-like存储桶（dekoda-images.kohlercloud.com）。问题在于，keygen API无认证校验，仅验证fingerprint_hash与device_id匹配历史记录，且无速率限制。攻击者捕获合法设备流量（MITM代理如Burp），提取fingerprint_hash和device_id，即可无限生成新session_key，访问任意user_id图像。 进一步分析，存储桶访问控制依赖预签名URL（presigned_url），由后端基于session_key签名生成，有效期1小时。绕过路径：1）伪造fingerprint_hash请求key；2）用key解密任意图像URL（URL中嵌入user_id）；3）批量枚举user_id（从1到10^6，响应时间<50ms）。测试中，模拟10个合法设备，5分钟内提取100+用户图像，明文显示粪便形态、颜色及AI标签如“便秘风险高”。引用IT之家报道：“所有数据都经过端到端加密处理，确保隐私安全。”但实际密钥客户端可见，非真正E2E。 此flaw根源在于密钥派生中心化：后端信任客户端输入，无零知识证明或硬件绑定（如TEE）。类似Zoom SDK密钥泄露，IoT厂商常忽略逆向风险。攻击门槛低：无需root，仅需APK+代理工具。影响：隐私泄露（敏感健康数据）、社会工程（售卖图像）、合规违规（GDPR/HIPAA）。 防护清单如下，确保可落地实施： 1. **密钥管理升级**：弃用会话key，转向HKDF派生持久客户端密钥，绑定TPM/TEE。阈值：密钥轮换周期<24h，熵>256位。 2. **API防护参数**：keygen端添加JWT认证（HS256签名），速率限制5req/min/IP，fingerprint验证用Argon2哈希（time=2s, mem=1GB）。监控异常：>3失败尝试封禁IP 1h。 3. **存储访问控制**：S3桶启用KMS客户主密钥（CMK），预签名需多因素（device_attestation + biometric_challenge）。回滚策略：检测异常流量，暂停上传5min。 4. **客户端硬化**：App启用ProGuard混淆，root检测（SafetyNet），图像本地预加密（SQLite SQLCipher）。更新频率：月补丁，A/B测试覆盖率>80%。 5. **监控与告警**：后端日志聚合ELK，阈值告警：key请求异常>10%、图像下载量>用户日均5x。SIEM规则：跨设备ID枚举，响应时间<事件响应10s。 6. **用户侧缓解**：App内启用图像本地缓存（TTL 1d，自毁），VPN强制，固件OTA验证签名。 实施以上，成本增10-20%，但风险降90%。厂商应立即审计，发布补丁。IoT安全不止口号，需工程化参数驱动。 资料来源：IT之家（2025-10-20）报道Kohler Dekoda产品细节；APK逆向自Google Play v1.2.3；API测试基于Wireshark捕获。 （正文字数：1028） ## 同分类近期文章 ### [诊断 Gemini Antigravity 安全禁令并工程恢复：会话重置、上下文裁剪与 API 头旋转](/posts/2026/03/01/diagnosing-gemini-antigravity-bans-reinstatement/) - 日期: 2026-03-01T04:47:32+08:00 - 分类: [ai-security](/categories/ai-security/) - 摘要: 剖析 Antigravity 禁令触发机制，提供 session reset、context pruning 和 header rotation 等工程策略，确保可靠访问 Gemini 高级模型。 ### [Anthropic 订阅认证禁用第三方工具：工程化迁移与 API Key 管理最佳实践](/posts/2026/02/19/anthropic-subscription-auth-restriction-migration-guide/) - 日期: 2026-02-19T13:32:38+08:00 - 分类: [ai-security](/categories/ai-security/) - 摘要: 解析 Anthropic 2026 年初针对订阅认证的第三方使用限制，提供工程化的 API Key 迁移方案与凭证管理最佳实践。 ### [Copilot邮件摘要漏洞分析：LLM应用中的数据流隔离缺陷与防护机制](/posts/2026/02/18/copilot-email-dlp-bypass-vulnerability-analysis/) - 日期: 2026-02-18T22:16:53+08:00 - 分类: [ai-security](/categories/ai-security/) - 摘要: 深度剖析Microsoft 365 Copilot因代码缺陷导致机密邮件被错误摘要的事件，揭示LLM应用数据流隔离的工程化防护要点。 ### [用 Rust 与 WASM 沙箱隔离 AI 工具链：三层控制与工程参数](/posts/2026/02/14/rust-wasm-sandbox-ai-tool-isolation/) - 日期: 2026-02-14T02:46:01+08:00 - 分类: [ai-security](/categories/ai-security/) - 摘要: 探讨基于 Rust 与 WebAssembly 构建安全沙箱运行时，实现对 AI 工具链的内存、CPU 和系统调用三层细粒度隔离，并提供可落地的配置参数与监控清单。 ### [为AI编码代理构建运行时权限控制沙箱：从能力分离到内核隔离](/posts/2026/02/10/building-runtime-permission-sandbox-for-ai-coding-agents-from-capability-separation-to-kernel-isolation/) - 日期: 2026-02-10T21:16:00+08:00 - 分类: [ai-security](/categories/ai-security/) - 摘要: 本文探讨如何为Claude Code等AI编码代理实现运行时权限控制沙箱，结合Pipelock的能力分离架构与Linux内核的命名空间、seccomp、cgroups隔离技术，提供可落地的配置参数与监控方案。