Registrering af tastetryk ved hjælp af lyd opnås ved at placere et lytteapparat tæt på målet
Hver gang er jeg ret imponeret over de metoder, der opdages og/eller udvikles både for at få information og for at få adgang til X-sektionen, hack X-enhed, og det er, at indtil nu er dem, der stadig fascinerer mig meget, dem, der er baseret på lyde genereret af CPU-blæseren for at få information, samt brugen af ​​til at se gennem vægge, blandt mange andre.
Derfor kan jeg personligt rigtig godt lide at dele denne type nyheder her på bloggen og ift I dag vil jeg dele nyheden om udviklingen af en metode at han skabte et team af forskere, der Det er baseret på at detektere de oplysninger, der er indtastet på tastaturet 95 % nøjagtig, når du analyserer lyden af ​​tastetryk optaget af en nærliggende smartphone eller opfanget af en nærliggende mikrofon.
Bevist inputdetektionsnøjagtighed udkonkurrerer alle akustiske analysemetoder tegn pr. symbol tidligere kendt De bruger ikke en sprogmodel. Den foreslåede metode kan f.eks. bruges til at bestemme indtastede adgangskoder eller indtastede beskeder i en situation, hvor angriberen placerede sin smartphone ved siden af ​​offeret eller modtog en lydoptagelse, mens han indtastede fortrolige oplysninger (f.eks. når offeret logger under kommunikation ind med en adgangskode til nogle informationssystemer).
Med den seneste udvikling inden for dyb læring, mikrofonernes allestedsnærværende og fremkomsten af ​​onlinetjenester via personlige enheder udgør akustiske sidekanalangreb en større trussel mod tastaturer end nogensinde før.
Inputtet genskabes ved hjælp af en klassificering baseret på en maskinlæringsmodel, der tager højde for lydegenskaber og lydstyrkeniveau, når der trykkes på forskellige taster.
Det nævnes det for at udføre et angreb kræves fortræning af modellen, hvilket kræver, at inputlyden matches med information om de taster, der trykkes på. Under ideelle forhold kan modellen trænes ved hjælp af malware installeret på den angrebne computer, hvilket gør det muligt samtidigt at optage lyd fra en mikrofon og opsnappe tastetryk.
I et mere realistisk scenarie kunne de nødvendige data til at træne modellen indsamles ved at matche input-tekstbeskeder med lyd fra et sæt optaget som et resultat af en videokonference. Inputdetektionsnøjagtigheden, når man træner en model baseret på Zoom- og Skype-videokonference-inputanalyse, falder en smule til henholdsvis 93 % og 91,7 %.
I et eksperiment for at træne en maskinlæringsmodel ved hjælp af lyd fra en Zoom-konference, blev hver af de 36 taster (0-9, a-z) på tastaturet trykket 25 gange i træk med forskellige fingre og med forskellig kraft.
Dataene om lyden af ​​hvert tryk blev omdannet til et billede med et spektrogram, der afspejler ændringen i lydens frekvens og amplitude over tid
spektrogrammer overført til træning til en klassificeringsanordning baseret på CoAtNet-modellen, bruges til klassificering af billeder i kunstige synssystemer. Det vil sige, at billedet under træning sammenlignes med spektrogrammet for hvert tastetryk med navnet på tasten. For at bestemme de taster, der trykkes på af lyden, returnerer CoAtNet-modellen den mest sandsynlige nøgle baseret på det transmitterede spektrogram, svarende til at returnere den mest sandsynlige etiket, når objekter genkendes ved deres billede.
I fremtiden har forskerne til hensigt at udforske muligheden for at genskabe tastaturinput ved at optage lyd fra smarthøjttalere og for at forbedre nøjagtigheden af ​​bestemmelse af inputtekst bruge en sprogmodel, der klassificerer input i sammenhæng med hele ord.
Endelig hvis du er interesseret i at vide mere om det, kan du kontrollere detaljerne i følgende link.