Ang pagtuklas ng mga keystroke sa pamamagitan ng tunog ay nakakamit sa pamamagitan ng paglalagay ng device sa pakikinig malapit sa target
Sa bawat oras na ako ay lubos na humanga sa mga pamamaraan na natuklasan at/o binuo kapwa upang makakuha ng impormasyon at upang ma-access ang seksyon ng X, i-hack ang X na aparato at ito ay na hanggang ngayon ang mga nabighani pa rin sa akin ng marami ay ang mga batay sa ang mga tunog na nabuo ng CPU fan para makakuha ng impormasyon, pati na rin ang paggamit ng to see through walls, bukod sa marami pang iba.
Kaya naman, sa personal, gusto kong ibahagi ang ganitong uri ng balita dito sa blog at sa kaso ng Ngayon ay ibabahagi ko ang balita tungkol sa ang pag-unlad ng isang paraan na lumikha siya ng pangkat ng mga mananaliksik na Ito ay batay sa pagtuklas ng impormasyong ipinasok sa keyboard 95% tumpak kapag sinusuri ang tunog ng mga keystroke na nai-record ng isang kalapit na smartphone o kinuha ng isang kalapit na mikropono.
Napatunayang katumpakan ng pagtuklas ng input higit ang pagganap sa lahat ng pamamaraan ng pagsusuri ng tunog karakter sa bawat simbolo dating kilala Hindi sila gumagamit ng modelo ng wika. Maaaring gamitin ang iminungkahing paraan, halimbawa, upang matukoy ang mga inilagay na password o nai-type na mensahe, sa isang sitwasyon kung saan inilagay ng umaatake ang kanyang smartphone sa tabi ng biktima o nakatanggap ng sound recording habang naglalagay ng kumpidensyal na impormasyon (halimbawa, kapag nag-log ang biktima habang nakikipag-usap. gamit ang isang password para sa ilang sistema ng impormasyon).
Sa kamakailang mga pag-unlad sa malalim na pag-aaral, ang ubiquity ng mga mikropono, at ang pagtaas ng mga online na serbisyo sa pamamagitan ng mga personal na device, ang mga pag-atake ng acoustic side channel ay nagpapakita ng mas malaking banta sa mga keyboard kaysa dati.
Ang input ay muling nilikha gamit ang isang classifier batay sa isang machine learning model na isinasaalang-alang ang mga katangian ng tunog at antas ng volume kapag pinindot ang iba't ibang mga key.
Nabanggit na upang magsagawa ng isang pag-atake, kinakailangan ang paunang pagsasanay ng modelo, na nangangailangan ng pagtutugma ng input sound sa impormasyon tungkol sa mga key na pinindot. Sa ilalim ng mainam na mga kondisyon, ang modelo ay maaaring sanayin gamit ang malware na naka-install sa inaatakeng computer, na ginagawang posible na sabay na mag-record ng tunog mula sa isang mikropono at humarang ng mga keystroke.
Sa isang mas makatotohanang senaryo, ang data na kailangan para sanayin ang modelo ay maaaring kolektahin sa pamamagitan ng pagtutugma ng mga input text message na may audio mula sa isang set na naitala bilang resulta ng isang video conference. Ang katumpakan ng pag-detect ng input kapag nagsasanay ng modelo batay sa Zoom at Skype video conferencing input analysis ay bahagyang bumababa sa 93% at 91,7%, ayon sa pagkakabanggit.
Sa isang eksperimento upang sanayin ang isang machine learning model gamit ang audio mula sa isang Zoom conference, bawat isa sa 36 na key (0-9, a-z) sa keyboard ay pinindot nang 25 beses nang sunud-sunod gamit ang iba't ibang daliri at may iba't ibang puwersa.
Ang data tungkol sa tunog ng bawat pindutin ay binago sa isang imahe na may spectrogram na sumasalamin sa pagbabago sa dalas at amplitude ng tunog sa paglipas ng panahon
spectrograms inilipat para sa pagsasanay sa isang classifier batay sa modelo ng CoAtNet, ginagamit para sa pag-uuri ng mga imahe sa mga sistema ng artipisyal na paningin. Iyon ay, sa panahon ng pagsasanay ang imahe ay inihambing sa spectrogram ng bawat keystroke na may pangalan ng susi. Upang matukoy ang mga key na pinindot ng tunog, ibinabalik ng modelo ng CoAtNet ang pinaka-malamang na key batay sa ipinadalang spectrogram, katulad ng pagbabalik ng pinaka-malamang na label kapag kinikilala ang mga bagay sa pamamagitan ng kanilang larawan.
Sa hinaharap, nilalayon ng mga mananaliksik na tuklasin ang posibilidad ng muling paggawa ng input sa keyboard sa pamamagitan ng pagre-record ng tunog mula sa mga smart speaker at, para mapahusay ang katumpakan ng pagtukoy ng input text, gumamit ng modelo ng wika na nag-uuri ng input. sa konteksto ng buong salita.
Sa wakas kung interesado kang malaman ang tungkol dito, maaari mong suriin ang mga detalye sa sumusunod na link.