শব্দ দ্বারা কীস্ট্রোক সনাক্তকরণ লক্ষ্যের কাছাকাছি একটি শোনার যন্ত্র স্থাপন করে অর্জন করা হয়
তথ্য পাওয়ার জন্য এবং এক্স সেকশন অ্যাক্সেস করার জন্য যে পদ্ধতিগুলি আবিষ্কার করা হয়েছে এবং/অথবা বিকশিত হয়েছে সেগুলি দ্বারা প্রতিবারই আমি বেশ মুগ্ধ হয়েছি, X ডিভাইস হ্যাক করতে পেরেছি এবং এখন পর্যন্ত যেগুলি এখনও আমাকে অনেক মুগ্ধ করেছে সেগুলি হল তথ্য পাওয়ার জন্য CPU ফ্যান দ্বারা উত্পন্ন শব্দ, সেইসাথে দেয়ালের মাধ্যমে দেখার জন্য ব্যবহার, অন্যান্য অনেকের মধ্যে।
এই কারণেই, ব্যক্তিগতভাবে, আমি সত্যিই ব্লগে এবং ক্ষেত্রে এই ধরনের খবর ভাগ করতে পছন্দ করি আজকে সেই খবর শেয়ার করব উন্নয়ন একটি পদ্ধতি যে তিনি গবেষকদের একটি দল তৈরি করেছেন যারা এটি কীবোর্ডে প্রবেশ করা তথ্য সনাক্তকরণের উপর ভিত্তি করে কাছাকাছি স্মার্টফোনের মাধ্যমে রেকর্ড করা বা কাছাকাছি মাইক্রোফোনের মাধ্যমে তোলা কীস্ট্রোকের শব্দ বিশ্লেষণ করার সময় 95% নির্ভুল।
প্রমাণিত ইনপুট সনাক্তকরণ নির্ভুলতা সমস্ত শাব্দ বিশ্লেষণ পদ্ধতিকে ছাড়িয়ে যায় প্রতীক প্রতি অক্ষর পূর্বে পরিচিত তারা একটি ভাষা মডেল ব্যবহার করে না. প্রস্তাবিত পদ্ধতি ব্যবহার করা যেতে পারে, উদাহরণস্বরূপ, প্রবেশ করা পাসওয়ার্ড বা টাইপ করা বার্তাগুলি নির্ধারণ করতে, এমন পরিস্থিতিতে যেখানে আক্রমণকারী তার স্মার্টফোনটি শিকারের পাশে রেখেছিল বা গোপন তথ্য প্রবেশ করার সময় একটি সাউন্ড রেকর্ডিং পেয়েছিল (উদাহরণস্বরূপ, যোগাযোগের সময় যখন শিকার লগ করে) কিছু তথ্য সিস্টেমের জন্য একটি পাসওয়ার্ড সহ)।
গভীর শিক্ষার সাম্প্রতিক উন্নয়ন, মাইক্রোফোনের সর্বব্যাপীতা, এবং ব্যক্তিগত ডিভাইসের মাধ্যমে অনলাইন পরিষেবার উত্থানের সাথে, অ্যাকোস্টিক সাইড চ্যানেল আক্রমণগুলি কীবোর্ডগুলির জন্য আগের চেয়ে আরও বেশি হুমকির সম্মুখীন হয়েছে৷
মেশিন লার্নিং মডেলের উপর ভিত্তি করে একটি ক্লাসিফায়ার ব্যবহার করে ইনপুটটি পুনরায় তৈরি করা হয় যা বিভিন্ন কী চাপলে শব্দ বৈশিষ্ট্য এবং ভলিউম স্তর বিবেচনা করে।
এটি উল্লেখ করা হয় একটি আক্রমণ চালানোর জন্য, মডেলের প্রাথমিক প্রশিক্ষণ প্রয়োজন, যার জন্য কী টিপানো হচ্ছে সে সম্পর্কে তথ্যের সাথে ইনপুট শব্দের মিল প্রয়োজন। আদর্শ অবস্থার অধীনে, মডেলটিকে আক্রমণ করা কম্পিউটারে ইনস্টল করা ম্যালওয়্যার ব্যবহার করে প্রশিক্ষণ দেওয়া যেতে পারে, এটি একই সাথে মাইক্রোফোন থেকে শব্দ রেকর্ড করা এবং কীস্ট্রোকগুলিকে আটকানো সম্ভব করে তোলে।
আরও বাস্তবসম্মত পরিস্থিতিতে, মডেলটিকে প্রশিক্ষণের জন্য প্রয়োজনীয় ডেটা ভিডিও কনফারেন্সের ফলে রেকর্ড করা সেট থেকে অডিওর সাথে ইনপুট টেক্সট বার্তার সাথে মিল করে সংগ্রহ করা যেতে পারে। জুম এবং স্কাইপ ভিডিও কনফারেন্সিং ইনপুট বিশ্লেষণের উপর ভিত্তি করে একটি মডেলকে প্রশিক্ষণ দেওয়ার সময় ইনপুট সনাক্তকরণের নির্ভুলতা যথাক্রমে 93% এবং 91,7% এ সামান্য হ্রাস পায়।
একটি জুম কনফারেন্স থেকে অডিও ব্যবহার করে একটি মেশিন লার্নিং মডেল প্রশিক্ষিত করার জন্য একটি পরীক্ষায়, কীবোর্ডের 36টি কী (0-9, a-z) এর প্রতিটিকে পরপর 25 বার বিভিন্ন আঙ্গুল দিয়ে এবং বিভিন্ন বল দিয়ে চাপানো হয়েছিল৷
প্রতিটি প্রেসের শব্দ সম্পর্কে ডেটা একটি ছবিতে রূপান্তরিত হয়েছিল সময়ের সাথে সাথে শব্দের ফ্রিকোয়েন্সি এবং প্রশস্ততার পরিবর্তনকে প্রতিফলিত করে একটি বর্ণালীগ্রাম
স্পেকট্রোগ্রাম CoAtNet মডেলের উপর ভিত্তি করে একটি ক্লাসিফায়ারে প্রশিক্ষণের জন্য স্থানান্তর করা হয়েছে, কৃত্রিম দৃষ্টি সিস্টেমে চিত্রের শ্রেণীবিভাগের জন্য ব্যবহৃত হয়। অর্থাৎ, প্রশিক্ষণের সময় প্রতিটি কীস্ট্রোকের স্পেকট্রোগ্রামের সাথে কীটির নামের সাথে চিত্রটিকে তুলনা করা হয়। শব্দ দ্বারা চাপা কীগুলি নির্ধারণ করতে, CoAtNet মডেলটি প্রেরিত স্পেকট্রোগ্রামের উপর ভিত্তি করে সর্বাধিক সম্ভাব্য কী ফেরত দেয়, যা তাদের চিত্রের দ্বারা বস্তুগুলিকে শনাক্ত করার সময় সর্বাধিক সম্ভাব্য লেবেল ফেরত দেওয়ার মতো।
ভবিষ্যতে, গবেষকরা স্মার্ট স্পিকার থেকে শব্দ রেকর্ড করে কীবোর্ড ইনপুট পুনরায় তৈরি করার সম্ভাবনা অন্বেষণ করতে চান এবং, ইনপুট পাঠ্য নির্ধারণের নির্ভুলতা উন্নত করতে, সম্পূর্ণ শব্দের পরিপ্রেক্ষিতে ইনপুটকে শ্রেণীবদ্ধ করে এমন একটি ভাষা মডেল ব্যবহার করুন।
পরিশেষে আপনি যদি এটি সম্পর্কে আরও জানতে আগ্রহী হন, আপনি বিশদে পরীক্ষা করতে পারেন নিম্নলিখিত লিঙ্ক.