Исследователи из университетов Лондона, Дарема и Суррея разработали новую систему искусственного интеллекта, способную подслушивать нажатия на клавиатуре для сбора потенциально конфиденциальных данных. Алгоритм, представленный в новой статье, был протестирован на клавиатуре MacBook Pro и показал точность 93-95% при определении нажатия клавиш, основываясь исключительно на аудиозаписях.
Исследование также иллюстрирует повсеместное распространение микрофонов в телефонах, ноутбуках и других устройствах, которые могут быть использованы для нарушения безопасности данных с помощью атак через акустические побочные каналы. Несмотря на то, что в предыдущих работах исследовалось обнаружение нажатий клавиш на ноутбуке по звуку, данный подход, основанный на искусственном интеллекте, позволяет достичь беспрецедентного уровня точности.
По словам исследователей, их модель ИИ также превосходит другие аппаратные методы, которые сталкиваются с ограничениями по расстоянию и пропускной способности. Благодаря микрофонам, встроенным в распространенные потребительские устройства, акустика набора текста стала более открытой и доступной, чем когда-либо прежде.
Как же работает этот новый аудиоалгоритм? Сначала исследователи записали звуковые образцы набора текста на MacBook Pro, нажимая каждую клавишу 25 раз. Это позволило системе искусственного интеллекта проанализировать мельчайшие различия между звуками, издаваемыми каждой клавишей.
Затем аудиозаписи были преобразованы в спектрограммы — визуальные представления звуковых частот во времени. На этих спектрограммах обучалась модель искусственного интеллекта, которая научилась ассоциировать различные паттерны с разными нажатиями клавиш.
Применяя этот процесс обучения на тысячах аудиофрагментов, алгоритм обучается тонким различиям между акустическими отпечатками ударов по каждой клавише. После обучения на конкретной клавиатуре ИИ может анализировать новые аудиозаписи и с высокой точностью предсказывать нажатие клавиш.
Исследователи обнаружили, что при обучении на клавиатуре MacBook Pro точность алгоритма составила 93-95%. При тестировании на звуках клавиатуры в записях звонков Zoom производительность снизилась незначительно.
Система искусственного интеллекта должна быть откалибрована под конкретные модели клавиатур и звуковое окружение. Однако этот подход может быть широко применим, если злоумышленники смогут получить соответствующие обучающие данные. С помощью настроенной модели злоумышленники могут перехватывать пароли, сообщения, электронные письма и многое другое.
Защита себя
Несмотря на угрозу конфиденциальности, исследование также демонстрирует растущие возможности алгоритмов искусственного интеллекта по поиску информации в новых формах данных. Акустические эманации уже давно исследуются для атак по побочным каналам — возможно, чаще всего с помощью лазерных микрофонов, — но теперь сложное машинное обучение позволяет проводить беспрецедентный анализ этих просочившихся сигналов.
Существуют некоторые способы защиты данных от такого рода атак, и они не связаны с тихим набором текста.
Сенсорные машинки, похоже, сбивают модель с толку, в результате чего ее точность падает до 40% (возможно, потому, что машинистки нажимают на клавиши в разных частях, изменяя акустику). В качестве контрмер также упоминается изменение стиля набора текста, воспроизведение звуков через динамик и использование клавиатур с сенсорным экраном. Возможно, вам понравится погружаться в пучину клавиатурного моддинга, поскольку изменение акустики клавиатуры делает ИИ непригодным для работы, поскольку требует повторного обучения.
В дальнейшем исследователи предлагают продолжить изучение возможностей обнаружения и защиты от этих новых векторов угроз. Поскольку ИИ продолжает раскрывать новые возможности использования вездесущих источников данных, обеспечение безопасности и конфиденциальности данных потребует не меньшей изобретательности для выявления и устранения непреднамеренных уязвимостей.
