Η ανίχνευση των πλήκτρων με τον ήχο επιτυγχάνεται με την τοποθέτηση μιας συσκευής ακρόασης κοντά στον στόχο
Κάθε φορά που εντυπωσιάζομαι πολύ από τις μεθόδους που ανακαλύπτονται και/ή αναπτύσσονται τόσο για τη λήψη πληροφοριών όσο και για την πρόσβαση στην ενότητα Χ, χακάρω τη συσκευή X και είναι ότι μέχρι τώρα αυτές που εξακολουθούν να με γοητεύουν πολύ είναι αυτές που βασίζονται στο ήχους που παράγονται από τον ανεμιστήρα της CPU για τη λήψη πληροφοριών, καθώς και τη χρήση του για να βλέπεις μέσα από τοίχους, μεταξύ πολλών άλλων.
Γι' αυτό προσωπικά απολαμβάνω πολύ να μοιράζομαι τέτοιου είδους νέα εδώ στο ιστολόγιο και σήμερα θα μοιραστώ τα νέα σχετικά με την ανάπτυξη μιας μεθόδου που δημιουργήθηκε από μια ομάδα ερευνητών, η οποία βασίζεται στην ανίχνευση πληροφοριών που εισάγονται στο πληκτρολόγιο με ακρίβεια 95%, αναλύοντας τον ήχο των πλήκτρων που καταγράφονται με ένα κοντινό smartphone ή καταγράφονται από ένα κοντινό μικρόφωνο.
Η αποδεδειγμένη ακρίβεια ανίχνευσης εισόδου ξεπερνά όλες τις προηγουμένως γνωστές μεθόδους ακουστικής ανάλυσης χαρακτήρα προς σύμβολο που δεν χρησιμοποιούν γλωσσικό μοντέλο. Η προτεινόμενη μέθοδος μπορεί να χρησιμοποιηθεί, για παράδειγμα, για τον προσδιορισμό εισαγόμενων κωδικών πρόσβασης ή πληκτρολογημένων μηνυμάτων σε περιπτώσεις όπου ο εισβολέας τοποθέτησε το smartphone του δίπλα στο θύμα ή έλαβε μια ηχογράφηση ενώ το θύμα εισήγαγε εμπιστευτικές πληροφορίες (π.χ., όταν το θύμα συνδέεται σε ένα σύστημα πληροφοριών με κωδικό πρόσβασης κατά τη διάρκεια μιας επικοινωνίας).
Με τις πρόσφατες εξελίξεις στη βαθιά μάθηση, την πανταχού παρουσία των μικροφώνων και την άνοδο των διαδικτυακών υπηρεσιών μέσω προσωπικών συσκευών, οι επιθέσεις ακουστικών πλευρικών καναλιών αποτελούν μεγαλύτερη απειλή για τα πληκτρολόγια από ποτέ.
Η είσοδος δημιουργείται εκ νέου χρησιμοποιώντας έναν ταξινομητή που βασίζεται σε ένα μοντέλο μηχανικής εκμάθησης που λαμβάνει υπόψη τα χαρακτηριστικά του ήχου και το επίπεδο έντασης όταν πατηθούν διαφορετικά πλήκτρα.
Αναφέρεται ότι η εκτέλεση μιας επίθεσης απαιτεί προκαταρκτική εκπαίδευση του μοντέλου , η οποία περιλαμβάνει την αντιστοίχιση του ήχου εισόδου με πληροφορίες σχετικά με τα πλήκτρα που πατιούνται. Ιδανικά, το μοντέλο μπορεί να εκπαιδευτεί χρησιμοποιώντας κακόβουλο λογισμικό εγκατεστημένο στον στοχευμένο υπολογιστή, επιτρέποντας ταυτόχρονη εγγραφή μικροφώνου και υποκλοπή πλήκτρων.
Σε ένα πιο ρεαλιστικό σενάριο, τα δεδομένα που απαιτούνται για την εκπαίδευση του μοντέλου θα μπορούσαν να συλλεχθούν με αντιστοίχιση μηνυμάτων κειμένου εισόδου με ήχο από ένα σύνολο που έχει καταγραφεί ως αποτέλεσμα μιας βιντεοδιάσκεψης. Η ακρίβεια ανίχνευσης εισόδου κατά την εκπαίδευση ενός μοντέλου που βασίζεται σε ανάλυση εισόδου τηλεδιάσκεψης Zoom και Skype μειώνεται ελαφρώς σε 93% και 91,7%, αντίστοιχα.
Σε ένα πείραμα για την εκπαίδευση ενός μοντέλου μηχανικής εκμάθησης χρησιμοποιώντας ήχο από μια διάσκεψη Zoom, καθένα από τα 36 πλήκτρα (0-9, a-z) στο πληκτρολόγιο πατήθηκε 25 φορές στη σειρά με διαφορετικά δάχτυλα και με διαφορετική δύναμη.
Τα δεδομένα σχετικά με τον ήχο κάθε παλμού μετατράπηκαν σε μια εικόνα με ένα φασματογράφημα που αντανακλούσε την αλλαγή στη συχνότητα και το πλάτος του ήχου με την πάροδο του χρόνου.
Τα φασματογράμματα μεταφέρθηκαν για εκπαίδευση σε έναν ταξινομητή με βάση το μοντέλο CoAtNet , το οποίο χρησιμοποιείται για την ταξινόμηση εικόνων σε συστήματα μηχανικής όρασης. Δηλαδή, κατά τη διάρκεια της εκπαίδευσης, η εικόνα συγκρίνεται με το φασματογράφημα κάθε πλήκτρου με το αντίστοιχο όνομα πλήκτρου. Για να προσδιοριστεί ποια πλήκτρα πατήθηκαν από τον ήχο, το μοντέλο CoAtNet επιστρέφει το πιο πιθανό κλειδί με βάση το μεταδιδόμενο φασματογράφημα, παρόμοια με την επιστροφή της πιο πιθανής ετικέτας κατά την αναγνώριση αντικειμένων από την εικόνα τους.
Στο μέλλον, οι ερευνητές σκοπεύουν να διερευνήσουν τη δυνατότητα αναδημιουργίας εισόδου πληκτρολογίου με εγγραφή ήχου από έξυπνα ηχεία και, για να βελτιώσουν την ακρίβεια του προσδιορισμού του κειμένου εισόδου, να χρησιμοποιήσουν ένα μοντέλο γλώσσας που ταξινομεί την είσοδο στο πλαίσιο ολόκληρων λέξεων.
Τέλος, αν ενδιαφέρεστε να μάθετε περισσότερα σχετικά με αυτό , μπορείτε να βρείτε τις λεπτομέρειες στον παρακάτω σύνδεσμο.