Detekcia stlačenia kláves pomocou zvuku sa dosiahne umiestnením odpočúvacieho zariadenia blízko cieľa
Zakaždým som celkom ohromený metódami, ktoré sú objavené a/alebo vyvinuté tak na získanie informácií, ako aj na prístup k X sekcii, hacknutie X zariadenia a je to tak, že doteraz ma stále veľmi fascinujú tie, ktoré sú založené na zvuky generované ventilátorom procesora na získanie informácií, ako aj použitie na videnie cez steny, medzi mnohými ďalšími.
Preto osobne veľmi rád zdieľam tento typ noviniek tu na blogu a príp Dnes sa podelím o novinky o vývoj metóda že vytvoril tím výskumníkov, ktorí Je založená na detekcii informácií zadaných na klávesnici 95% presnosť pri analýze zvuku stlačenia klávesov zaznamenaného blízkym smartfónom alebo zachyteného neďalekým mikrofónom.
Osvedčená presnosť detekcie vstupu prevyšuje všetky metódy akustickej analýzy znak na symbol predtým známy Nepoužívajú jazykový model. Navrhovaný spôsob je možné použiť napríklad na zisťovanie zadaných hesiel alebo napísaných správ v situácii, keď útočník priloží k obeti svoj smartfón alebo pri zadávaní dôverných informácií dostane zvukovú nahrávku (napríklad keď sa obeť počas komunikácie prihlási s heslom pre niektoré informačné systémy).
S nedávnym vývojom v oblasti hlbokého učenia, všadeprítomnosťou mikrofónov a nárastom online služieb prostredníctvom osobných zariadení predstavujú útoky na akustické bočné kanály väčšiu hrozbu pre klávesnice ako kedykoľvek predtým.
Vstup je znovu vytvorený pomocou klasifikátora založeného na modeli strojového učenia, ktorý zohľadňuje zvukové charakteristiky a úroveň hlasitosti pri stlačení rôznych kláves.
Je to spomenuté na vykonanie útoku je potrebný predbežný výcvik modelu, čo vyžaduje prispôsobenie vstupného zvuku informáciám o stláčaných klávesoch. Za ideálnych podmienok je možné model trénovať pomocou malvéru nainštalovaného na napadnutom počítači, čo umožňuje súčasne nahrávať zvuk z mikrofónu a zachytávať stlačenia kláves.
V realistickejšom scenári by sa údaje potrebné na trénovanie modelu mohli zhromaždiť spárovaním vstupných textových správ so zvukom zo súboru zaznamenaného ako výsledok videokonferencie. Presnosť detekcie vstupu pri trénovaní modelu na základe analýzy vstupu pre videokonferencie Zoom a Skype mierne klesá na 93 % a 91,7 %.
V experimente na trénovanie modelu strojového učenia pomocou zvuku z konferencie Zoom bolo každé z 36 klávesov (0-9, a-z) na klávesnici stlačené 25-krát za sebou rôznymi prstami a rôznou silou.
Údaje o zvuku každého lisu sa pretavili do obrazu so spektrogramom odrážajúcim zmenu frekvencie a amplitúdy zvuku v čase
spektrogramy prenesené na školenie do klasifikátora založeného na modeli CoAtNet, ktorý sa používa na klasifikáciu obrazov v systémoch umelého videnia. To znamená, že počas tréningu sa obraz porovnáva so spektrogramom každého stlačenia klávesu s názvom klávesu. Na určenie kláves stlačených zvukom model CoAtNet vracia najpravdepodobnejší kláves na základe prenášaného spektrogramu, podobne ako pri rozpoznávaní objektov podľa ich obrazu vracia najpravdepodobnejšie označenie.
V budúcnosti majú vedci v úmysle preskúmať možnosť obnovenia vstupu z klávesnice nahrávaním zvuku z inteligentných reproduktorov a na zlepšenie presnosti určovania vstupného textu použiť jazykový model, ktorý klasifikuje vstup v kontexte celých slov.
Konečne ak máte záujem dozvedieť sa o tom viac, môžete skontrolovať podrobnosti v nasledujúci odkaz.