Il rilevamento dei tasti premuti dal suono si ottiene posizionando un dispositivo di ascolto vicino al bersaglio
Ogni volta rimango piuttosto impressionato dai metodi che vengono scoperti e/o sviluppati sia per ottenere informazioni che per accedere a X section, hack X device ed è che fino ad ora quelli che mi affascinano ancora molto sono quelli che si basano sul suoni generati dalla ventola della CPU per ottenere informazioni, così come l'uso del per vedere attraverso i muri, tra molti altri.
Ecco perché, personalmente, mi piace molto condividere questo tipo di notizie qui sul blog e nel caso di Oggi condividerò le notizie su lo sviluppo di un metodo che ha creato un team di ricercatori che Si basa sul rilevamento delle informazioni immesse sulla tastiera Accurato al 95% durante l'analisi del suono dei tasti premuti registrati da uno smartphone nelle vicinanze o captati da un microfono nelle vicinanze.
Comprovata precisione di rilevamento degli input supera tutti i metodi di analisi acustica carattere per simbolo precedentemente noto Non usano un modello linguistico. Il metodo proposto può essere utilizzato, ad esempio, per determinare password inserite o messaggi digitati, in una situazione in cui l'aggressore ha posizionato il proprio smartphone accanto alla vittima o ha ricevuto una registrazione audio durante l'inserimento di informazioni riservate (ad esempio, quando durante la comunicazione la vittima registra con una password per alcuni sistemi informativi).
Con i recenti sviluppi nel deep learning, l'ubiquità dei microfoni e l'aumento dei servizi online tramite dispositivi personali, gli attacchi acustici del canale laterale rappresentano una minaccia più grande che mai per le tastiere.
L'input viene ricreato utilizzando un classificatore basato su un modello di apprendimento automatico che tiene conto delle caratteristiche del suono e del livello del volume quando vengono premuti tasti diversi.
Si è detto che per effettuare un attacco è necessario un addestramento preliminare del modello, che richiede la corrispondenza del suono in ingresso con le informazioni sui tasti premuti. In condizioni ideali, il modello può essere addestrato utilizzando il malware installato sul computer attaccato, rendendo possibile registrare contemporaneamente il suono da un microfono e intercettare i tasti premuti.
In uno scenario più realistico, i dati necessari per addestrare il modello potrebbero essere raccolti abbinando i messaggi di testo di input con l'audio da un set registrato come risultato di una videoconferenza. La precisione del rilevamento dell'input durante l'addestramento di un modello basato sull'analisi dell'input della videoconferenza Zoom e Skype diminuisce leggermente, rispettivamente al 93% e al 91,7%.
In un esperimento per addestrare un modello di machine learning utilizzando l'audio di una conferenza Zoom, ciascuno dei 36 tasti (0-9, a-z) sulla tastiera è stato premuto 25 volte di seguito con dita diverse e con forza diversa.
I dati sul suono di ogni pressa sono stati trasformati in un'immagine con uno spettrogramma che riflette il cambiamento di frequenza e ampiezza del suono nel tempo
spettrogrammi trasferito per l'addestramento a un classificatore basato sul modello CoAtNet, utilizzato per la classificazione delle immagini nei sistemi di visione artificiale. Cioè, durante l'addestramento l'immagine viene confrontata con lo spettrogramma di ogni battitura con il nome della chiave. Per determinare i tasti premuti dal suono, il modello CoAtNet restituisce il tasto più probabile in base allo spettrogramma trasmesso, in modo simile alla restituzione dell'etichetta più probabile quando si riconoscono gli oggetti dalla loro immagine.
In futuro, i ricercatori intendono esplorare la possibilità di ricreare l'input da tastiera registrando il suono da altoparlanti intelligenti e, per migliorare l'accuratezza della determinazione del testo di input, utilizzare un modello linguistico che classifica l'input nel contesto di parole intere.
Infine se sei interessato a saperne di più, puoi controllare i dettagli nel file seguente link