Os investigadores das Universidades de Londres, Durham e Surrey desenvolveram um novo sistema de IA capaz de escutar o seu teclado para recolher dados potencialmente sensíveis. O algoritmo, apresentado num novo artigo, foi testado num teclado de um MacBook Pro e conseguiu uma precisão de 93-95% na deteção das teclas premidas com base apenas em gravações áudio.
A investigação também ilustra a omnipresença de microfones em telefones, computadores portáteis e outros dispositivos, que podem ser utilizados para comprometer a segurança dos dados através de ataques acústicos de canal lateral. Embora artigos anteriores tenham explorado a deteção de teclas de computador portátil através de áudio, esta abordagem baseada em IA atinge níveis de precisão sem precedentes.
De acordo com os investigadores, o seu modelo de IA também ultrapassa outros métodos baseados em hardware, que enfrentam restrições de distância e largura de banda. Com microfones incorporados em dispositivos de consumo comuns, a acústica da digitação está mais exposta e acessível do que nunca.
Então, como é que este novo algoritmo de áudio funciona? Os investigadores começaram por gravar amostras de áudio de digitação num MacBook Pro, premindo cada tecla 25 vezes. Isto permitiu ao sistema de IA analisar as variações mínimas entre o som que emana de cada tecla.
As gravações de áudio foram depois transformadas em espectrogramas, que são representações visuais das frequências de som ao longo do tempo. O modelo de IA foi treinado com base nestes espectrogramas, aprendendo a associar diferentes padrões a diferentes toques nas teclas.
Ao aplicar este processo de treino em milhares de segmentos de áudio, o algoritmo aprende as distinções subtis entre as impressões digitais acústicas de cada tecla tocada. Uma vez treinada num teclado específico, a IA pode então analisar novas gravações de áudio e prever os toques nas teclas com elevada precisão.
Os investigadores descobriram que, quando treinado num teclado MacBook Pro, o algoritmo alcançou uma precisão de 93-95%. O desempenho diminuiu apenas ligeiramente quando testado em sons de teclado em gravações de chamadas do Zoom.
O sistema de IA precisa de ser calibrado para modelos de teclado e ambientes de áudio específicos. No entanto, a abordagem pode ser amplamente aplicável se os invasores puderem obter os dados de treinamento adequados. Com um modelo personalizado, os malfeitores poderiam intercetar senhas, mensagens, e-mails e muito mais.
Proteja-se
Embora a ameaça à privacidade seja preocupante, o estudo também demonstra as capacidades crescentes dos algoritmos de IA para encontrar informações em novas formas de dados. As emanações acústicas têm sido exploradas há muito tempo em ataques de canal lateral – talvez mais frequentemente através de microfones laser – mas a aprendizagem automática sofisticada permite agora uma análise sem precedentes destes sinais de fuga.
Existem algumas formas de proteger os seus dados contra este tipo de ataque – e não envolvem escrever em silêncio.
Os dactilógrafos parecem confundir o modelo, fazendo com que a sua precisão caia para 40% (provavelmente porque os dactilógrafos pressionam as teclas em partes diferentes, alterando a acústica). Uma mudança no estilo de digitação, a reprodução de sons num altifalante e a utilização de teclados com ecrã tátil também são mencionados como contramedidas. Pode ser que goste de mergulhar no buraco de coelho da modificação de teclados, uma vez que alterar a acústica do seu teclado torna a IA inutilizável, uma vez que seria necessária outra ronda de treino.
Para o futuro, os investigadores sugerem que se continue a investigar a deteção e a proteção contra estes vectores de ameaças emergentes. À medida que a IA continua a desbloquear novas potencialidades para aproveitar fontes de dados omnipresentes, a manutenção da segurança e da privacidade dos dados exigirá igual engenho para identificar e atenuar vulnerabilidades não intencionais.
