Tuş vuruşlarının sesle algılanması, hedefin yakınına bir dinleme cihazı yerleştirilerek sağlanır.
Hem bilgi elde etmek hem de X bölümüne, hack X cihazına erişmek için keşfedilen ve/veya geliştirilen yöntemlerden her zaman çok etkilendim ve şimdiye kadar beni hala çok büyüleyenler, bilgi almak için CPU fanı tarafından üretilen sesler ve diğerleri arasında duvarların arkasını görmek için kullanımı.
Bu nedenle, kişisel olarak, bu tür haberleri burada blogda paylaşmayı gerçekten seviyorum ve bu durumda Bugün bununla ilgili haberleri paylaşacağım. geliştirilmesi bir metod bir araştırma ekibi oluşturduğunu Klavyeden girilen bilgilerin algılanması esasına dayanır. Yakındaki bir akıllı telefon tarafından kaydedilen veya yakındaki bir mikrofon tarafından alınan tuş vuruşlarının sesini analiz ederken %95 doğruluk oranı.
Kanıtlanmış giriş algılama doğruluğu tüm akustik analiz yöntemlerinden daha iyi performans gösterir sembol başına karakter önceden bilinen Bir dil modeli kullanmazlar. Önerilen yöntem, örneğin, saldırganın akıllı telefonunu kurbanın yanına koyduğu veya gizli bilgileri girerken bir ses kaydı aldığı bir durumda (örneğin, iletişim sırasında kurbanın bazı bilgi sistemleri için bir parola ile).
Derin öğrenmedeki son gelişmeler, mikrofonların her yerde bulunması ve kişisel cihazlar aracılığıyla çevrimiçi hizmetlerin yükselişi ile akustik yan kanal saldırıları, klavyeler için her zamankinden daha büyük bir tehdit oluşturuyor.
Giriş, farklı tuşlara basıldığında ses özelliklerini ve ses seviyesini dikkate alan bir makine öğrenimi modeline dayalı bir sınıflandırıcı kullanılarak yeniden oluşturulur.
Bundan bahsediliyor bir saldırı gerçekleştirmek için modelin ön eğitimi gereklidir, giriş sesinin basılan tuşlarla ilgili bilgilerle eşleştirilmesini gerektirir. İdeal koşullar altında model, saldırıya uğrayan bilgisayara yüklenen kötü amaçlı yazılım kullanılarak eğitilebilir, bu da aynı anda bir mikrofondan ses kaydetmeyi ve tuş vuruşlarını engellemeyi mümkün kılar.
Daha gerçekçi bir senaryoda, modeli eğitmek için gereken veriler, giriş metin mesajlarını bir video konferans sonucunda kaydedilen bir setten gelen sesle eşleştirerek toplanabilir. Zoom ve Skype video konferans giriş analizine dayalı bir modeli eğitirken giriş algılama doğruluğu sırasıyla %93 ve %91,7'ye düşüyor.
Bir Zoom konferansından gelen sesi kullanarak bir makine öğrenimi modeli eğitmek için yapılan bir deneyde, klavyedeki 36 tuşun (0-9, a-z) her birine farklı parmaklarla ve farklı kuvvetle art arda 25 kez basıldı.
Her basış sesi ile ilgili veriler görüntüye dönüştürüldü. sesin zaman içindeki frekans ve genlik değişimini yansıtan bir spektrogram ile
spektrogramlar eğitim için CoAtNet modeline dayalı bir sınıflandırıcıya aktarıldı, yapay görme sistemlerinde görüntülerin sınıflandırılması için kullanılır. Yani, eğitim sırasında görüntü, tuşun adıyla her tuş vuruşunun spektrogramı ile karşılaştırılır. Sesin bastığı tuşları belirlemek için CoAtNet modeli, nesneleri görüntülerinden tanırken en olası etiketi döndürmeye benzer şekilde, iletilen spektrograma dayalı olarak en olası anahtarı döndürür.
Gelecekte araştırmacılar, akıllı hoparlörlerden gelen sesi kaydederek klavye girdisini yeniden oluşturma olasılığını keşfetmeyi ve girdi metnini belirlemenin doğruluğunu artırmak için girdiyi tüm sözcükler bağlamında sınıflandıran bir dil modeli kullanmayı planlıyor.
Nihayet onun hakkında daha fazla bilgi edinmekle ilgileniyorsanayrıntılarını kontrol edebilirsiniz. aşağıdaki bağlantı.