Detekce stisků kláves zvukem je dosaženo umístěním odposlechového zařízení blízko cíle
Pokaždé jsem docela ohromen metodami, které jsou objeveny a/nebo vyvíjeny jak pro získávání informací, tak pro přístup k X sekci, hackování X zařízení a je to tak, že až dosud mě stále velmi fascinují ty, které jsou založeny na zvuky generované ventilátorem CPU pro získávání informací, stejně jako použití k vidění skrz stěny, mezi mnoha dalšími.
Proto osobně velmi rád sdílím tento typ novinek zde na blogu a v případě Dnes se podělím o novinky o vývoj metoda která vytvořila tým výzkumníků, kteří Je založen na detekci informací zadaných na klávesnici 95% přesnost při analýze zvuku stisku kláves zaznamenaného blízkým smartphonem nebo zachyceného blízkým mikrofonem.
Osvědčená přesnost detekce vstupu překonává všechny metody akustické analýzy znak na symbol dříve známé Nepoužívají jazykový model. Navrženou metodu lze využít například pro zjišťování zadaných hesel nebo napsaných zpráv v situaci, kdy útočník přiložil k oběti svůj chytrý telefon nebo obdržel zvukový záznam při zadávání důvěrných informací (např. když se oběť během komunikace přihlásí s heslem pro některé informační systémy).
S nedávným vývojem v oblasti hlubokého učení, všudypřítomností mikrofonů a vzestupem online služeb prostřednictvím osobních zařízení představují útoky na akustické postranní kanály pro klávesnice větší hrozbu než kdykoli předtím.
Vstup je znovu vytvořen pomocí klasifikátoru založeného na modelu strojového učení, který bere v úvahu zvukové charakteristiky a úroveň hlasitosti při stisku různých kláves.
Je to zmíněno k provedení útoku je nutný předběžný výcvik modelu, což vyžaduje shodu vstupního zvuku s informacemi o stisku kláves. Za ideálních podmínek lze model trénovat pomocí malwaru nainstalovaného na napadeném počítači, což umožňuje současně nahrávat zvuk z mikrofonu a zachytit stisk kláves.
V realističtějším scénáři by mohla být data potřebná k trénování modelu shromážděna porovnáním vstupních textových zpráv se zvukem ze sady zaznamenané jako výsledek videokonference. Přesnost detekce vstupu při trénování modelu založeného na vstupní analýze videokonferencí Zoom a Skype mírně klesá na 93 % a 91,7 %.
V experimentu na trénování modelu strojového učení pomocí zvuku z konference Zoom byla každá z 36 kláves (0-9, a-z) na klávesnici stisknuta 25krát za sebou různými prsty a různou silou.
Údaje o zvuku každého lisu byly převedeny do obrazu se spektrogramem odrážejícím změnu frekvence a amplitudy zvuku v čase
spektrogramy převedeny pro školení do klasifikátoru založeného na modelu CoAtNet, který se používá pro klasifikaci obrazů v systémech umělého vidění. To znamená, že během tréninku je obraz porovnáván se spektrogramem každého úhozu s názvem klávesy. K určení kláves stisknutých zvukem vrací model CoAtNet nejpravděpodobnější klávesu na základě přeneseného spektrogramu, podobně jako při rozpoznávání objektů podle jejich obrazu vrací nejpravděpodobnější štítek.
V budoucnu mají vědci v úmyslu prozkoumat možnost znovu vytvořit vstup z klávesnice nahráváním zvuku z chytrých reproduktorů a pro zlepšení přesnosti určování vstupního textu použít jazykový model, který klasifikuje vstup v kontextu celých slov.
Konečně pokud máte zájem o tom vědět více, můžete zkontrolovat podrobnosti v následující odkaz.