Wykrywanie naciśnięć klawiszy za pomocą dźwięku uzyskuje się poprzez umieszczenie urządzenia podsłuchowego blisko celu
Za każdym razem, gdy jestem pod wrażeniem metod, które są odkrywane i/lub rozwijane zarówno w celu uzyskania informacji, jak i uzyskania dostępu do sekcji X, zhakuj urządzenie X i do tej pory fascynują mnie te, które są oparte na dźwięki generowane przez wentylator procesora w celu uzyskania informacji, a także użycie między innymi do patrzenia przez ściany.
Dlatego osobiście bardzo lubię dzielić się tego typu newsami tutaj na blogu iw przypadku Dzisiaj podzielę się wiadomością nt rozwój metoda że stworzył zespół badaczy, którzy Polega na wykrywaniu informacji wprowadzanych na klawiaturze Dokładność 95% podczas analizy dźwięku naciśnięć klawiszy nagranego przez pobliski smartfon lub zebranego przez pobliski mikrofon.
Sprawdzona dokładność wykrywania wejścia przewyższa wszystkie metody analizy akustycznej znak na symbol wcześniej znane Nie używają modelu językowego. Proponowana metoda może zostać wykorzystana np. do ustalenia wpisywanych haseł czy wpisywanych wiadomości, w sytuacji, gdy atakujący położył swój smartfon obok ofiary lub otrzymał nagranie dźwiękowe podczas wprowadzania poufnych informacji (np. gdy podczas komunikacji ofiara loguje się z hasłem do niektórych systemów informatycznych).
Wraz z ostatnimi postępami w głębokim uczeniu się, wszechobecnością mikrofonów i rozwojem usług online za pośrednictwem urządzeń osobistych, akustyczne ataki boczne stanowią większe zagrożenie dla klawiatur niż kiedykolwiek wcześniej.
Dane wejściowe są odtwarzane za pomocą klasyfikatora opartego na modelu uczenia maszynowego, który uwzględnia charakterystykę dźwięku i poziom głośności, gdy naciskane są różne klawisze.
Wspomina się, że do przeprowadzenia ataku wymagane jest wstępne przeszkolenie modelu, co wymaga dopasowania dźwięku wejściowego do informacji o naciskaniu klawiszy. W idealnych warunkach model może zostać wyszkolony przy użyciu złośliwego oprogramowania zainstalowanego na zaatakowanym komputerze, co umożliwia jednoczesne nagrywanie dźwięku z mikrofonu i przechwytywanie uderzeń w klawisze.
W bardziej realistycznym scenariuszu dane potrzebne do wytrenowania modelu mogłyby zostać zebrane poprzez dopasowanie wejściowych wiadomości tekstowych do dźwięku z zestawu nagranego w wyniku wideokonferencji. Dokładność wykrywania danych wejściowych podczas uczenia modelu w oparciu o analizę danych wejściowych wideokonferencji Zoom i Skype nieznacznie spada do odpowiednio 93% i 91,7%.
W eksperymencie mającym na celu wytrenowanie modelu uczenia maszynowego przy użyciu dźwięku z konferencji Zoom, każdy z 36 klawiszy (0-9, a-z) na klawiaturze został naciśnięty 25 razy z rzędu różnymi palcami i z różną siłą.
Dane o dźwięku każdego naciśnięcia zostały przekształcone w obraz ze spektrogramem odzwierciedlającym zmianę częstotliwości i amplitudy dźwięku w czasie
spektrogramy przekazywana do uczenia do klasyfikatora opartego na modelu CoAtNet, stosowane do klasyfikacji obrazów w systemach sztucznego widzenia. Oznacza to, że podczas uczenia obraz jest porównywany ze spektrogramem każdego naciśnięcia klawisza z nazwą klawisza. Aby określić klawisze naciskane przez dźwięk, model CoAtNet zwraca najbardziej prawdopodobny klucz na podstawie przesłanego spektrogramu, podobnie jak zwraca najbardziej prawdopodobną etykietę podczas rozpoznawania obiektów po ich obrazie.
W przyszłości naukowcy zamierzają zbadać możliwość odtwarzania danych wprowadzanych z klawiatury poprzez nagrywanie dźwięku z inteligentnych głośników oraz, aby poprawić dokładność określania wprowadzanego tekstu, wykorzystać model językowy, który klasyfikuje wprowadzane dane w kontekście całych słów.
W końcu jeśli chcesz dowiedzieć się więcej na ten temat, możesz sprawdzić szczegóły w następujący link.