Onderzoekers hebben ontdekt dat het is mogelijk om interacties en typen apparaten te identificeren in versleuteld netwerkverkeer van de Matter-standaard. Ondanks de sterke beveiligingsprotocollen kunnen passieve aanvallers met hoge nauwkeurigheid afleiden welke acties er plaatsvinden in een smart home.
De Matter-standaard, ontwikkeld door de Connectivity Standards Alliance (CSA), is ontworpen als een universele interoperabiliteitsnorm voor de consumentenmarkt van het Internet of Things (IoT). Een centraal onderdeel van dit ontwerp is de focus op privacy en veiligheid. Matter maakt gebruik van robuuste algoritmen voor versleuteling van de communicatie tussen IoT-apparaten en de bijbehorende controllers, ondersteund door gevalideerde protocollen voor het opzetten van veilige sessies.
Analyse van metadata
Ondanks deze versleuteling is uit recent onderzoek gebleken dat er nog steeds waardevolle informatie kan worden afgeleid uit het verkeer. In een wetenschappelijk artikel getiteld "Things that Matter -- Identifying Interactions and IoT Device Types in Encrypted Matter Traffic", gepubliceerd via arxiv.org, beschrijven onderzoekers hoe een passieve tegenstander metadata kan analyseren om patronen te herkennen.
De onderzoekers, waaronder Kristopher Alex Schlett, Bela Genge, Ioan Padurean en Savio Sciancalepore, maakten gebruik van datasets uit zowel gesimuleerde als echte Matter-implementaties. Zij stelden vast dat er herhaalbare 'vingerafdrukken' ontstaan in het netwerkverkeer. Deze patronen zijn gebaseerd op drie specifieke kenmerken:
* De lengte van de datapakketten;
* De richting van het verkeer;
* De volgorde waarin pakketten worden verzonden.
Hoge nauwkeurigheid van identificatie
De resultaten van het onderzoek zijn opvallend. Volgens de publicatie op kunnen specifieke interacties binnen het Matter-ecosysteem met een nauwkeurigheid van meer dan 95% worden geïdentificeerd. Deze identificatie blijft effectief, zelfs wanneer er sprake is van netwerkverstoringen zoals vertragingen of pakketverlies.
Daarnaast bleek het mogelijk om het type apparaat dat wordt gebruikt te herleiden. Voor apparaten zoals slimme verlichting, sloten en stekkers lag de nauwkeurigheid van deze inferentie boven de 88%. Dit betekent dat een externe partij die het netwerkverkeer kan observeren, met grote zekerheid kan vaststellen welk type apparaat wordt bediend, zonder dat de versleuteling van de inhoud van de berichten dit verhindert.
Impact en reactie
De bevindingen wijzen op een significant privacyrisico dat alle Matter-implementaties treft, ongeacht de fabrikant van het apparaat. Omdat de kwetsbaarheid in de manier waarop metadata zich gedraagt en niet in een specifieke fout van één leverancier, is de impact breed.
De Connectivity Standards Alliance (CSA) is op de hoogte gesteld van deze resultaten. Volgens de auteurs van het onderzoek heeft de en aangegeven dat er in toekomstige versies van de Matter-standaard mitigatiemechanismen kunnen worden overwogen om dit lek in de privacy te dichten.
Het onderzoek is officieel geaccepteerd voor presentatie op de IEEE Consumer Communications & Networking Conference (CCNC) 2027. De meest recente versie van het document (v3) werd op 3 november 2026 bijgewerkt op het platform van .