En gruppe forskere fra britiske universiteter har utviklet en algoritme som bruker dyplæringsmetoder for nevrale nettverk som er i stand til å gjenkjenne data med opptil 95 % nøyaktighet ved å analysere lyden av tastaturtaster som trykkes inn, tatt opp gjennom en mikrofon. I prosessen med å trene lydklassifiseringsalgoritmen ble også lydopptak gjort gjennom Zoom brukt, men i dette tilfellet falt gjenkjenningsnøyaktigheten til 93 %.
Et akustisk angrep ved bruk av den nevnte algoritmen utgjør en alvorlig trussel mot datasikkerheten, da denne tilnærmingen kan brukes til å stjele passord og annen konfidensiell informasjon. Dessuten, i motsetning til andre sidekanalangrep som krever spesielle forhold, blir akustiske angrep lettere å implementere ettersom mikrofoner som gir høykvalitets lydopptak blir mer vanlig. Sammen med den raske utviklingen av maskinlæringsteknologier, blir tredjeparts akustiske angrep et farligere verktøy i hendene på angripere enn tidligere antatt.
For å utføre et slikt angrep, må angripere ta opp lyden av taster som trykkes på offerets tastatur, siden disse dataene er nødvendige for å trene prediksjonsalgoritmen. Dette kan gjøres ved hjelp av en nærliggende mikrofon, eller en smarttelefon infisert med skadelig programvare som åpner tilgang til enhetens mikrofon. Du kan også ta opp tastetrykk under en Zoom-samtale.
For den nåværende studien ble treningsdata samlet inn, som representerer lydopptaket av 36 MacBook Pro-taster som ble trykket 25 ganger hver. Deretter ble det oppnådd oscillogrammer og spektrogrammer, som gjorde det mulig å visualisere forskjellene som ble identifisert ved å trykke på hver tast. Forskerne tok også noen skritt for å behandle dataene når det gjelder signalforsterkning for å lette nøkkelidentifikasjon. Spektrogrammene ble brukt til å trene CoAtNet-bildeklassifisereren.
Algoritmen brukte den samme bærbare datamaskinen Apple med tastaturet brukt i alle modeller av selskapets bærbare datamaskiner de siste to årene, samt iPhone 13 mini, plassert 17 cm fra den bærbare datamaskinen, som lyden er tatt opp på, og Zoom-tjenesten, som også ble brukt til å ta opp lyden av tastene som trykkes. Som et resultat klarte forskerne å oppnå at CoAtNet-klassifikatoren oppnådde 95 % nøyaktighet ved behandling av opptak fra en smarttelefon og 93 % ved behandling av data registrert via Zoom. Under eksperimentet bruker Skype nøyaktigheten falt til 91,7 %.
For brukere som er bekymret for akustiske angrep, anbefaler forskerne å endre skrivestilen, samt bruke tilfeldig genererte passord. I tillegg til dette kan du bruke programvare for å gjengi lydene av tastetrykk, hvit støy eller lydfiltre for tastaturet.
Les også: