En gruppe forskere fra britiske universiteter har udviklet en algoritme ved hjælp af deep learning-metoder i neurale netværk, der er i stand til at genkende data med op til 95 % nøjagtighed ved at analysere lyden af tastaturtaster, der trykkes på, optaget gennem en mikrofon. I processen med at træne lydklassificeringsalgoritmen blev lydoptagelser lavet gennem Zoom også brugt, men i dette tilfælde faldt genkendelsesnøjagtigheden til 93%.
Et akustisk angreb ved hjælp af den nævnte algoritme udgør en alvorlig trussel mod datasikkerheden, da denne tilgang kan bruges til at stjæle adgangskoder og anden fortrolig information. I modsætning til andre sidekanalangreb, der kræver særlige forhold, bliver akustiske angreb desuden lettere at implementere, efterhånden som mikrofoner, der giver lydoptagelse af høj kvalitet, bliver mere almindelige. Sammen med den hurtige udvikling af maskinlæringsteknologier er tredjeparts akustiske angreb ved at blive et farligere værktøj i hænderne på angribere end hidtil antaget.
For at udføre et sådant angreb skal angriberne optage lyden af taster, der trykkes på ofrets tastatur, da disse data er nødvendige for at træne forudsigelsesalgoritmen. Dette kan gøres ved hjælp af en mikrofon i nærheden, eller en smartphone inficeret med malware, der åbner adgang til enhedens mikrofon. Du kan også optage tastetryk under et Zoom-opkald.
Til den aktuelle undersøgelse blev der indsamlet træningsdata, der repræsenterer lydoptagelsen af 36 MacBook Pro-taster, der blev trykket 25 gange hver. Derefter blev der opnået oscillogrammer og spektrogrammer, som gjorde det muligt at visualisere de forskelle, der blev identificeret ved tryk på hver tast. Forskerne tog også nogle skridt til at behandle dataene i form af signalforstærkning for at lette nøgleidentifikation. Spektrogrammerne blev brugt til at træne CoAtNet-billedklassifikatoren.
Algoritmen brugte den samme bærbare computer Apple med det tastatur, der er brugt i alle modeller af virksomhedens bærbare computere de sidste to år, samt iPhone 13 mini, der ligger 17 cm fra den bærbare computer, hvorpå lyden er optaget, og Zoom-tjenesten, som også blev brugt til at optag lyden af taster, der trykkes på. Som et resultat lykkedes det forskerne at opnå, at CoAtNet-klassifikatoren opnåede 95 % nøjagtighed ved behandling af optagelser fra en smartphone og 93 % ved behandling af data optaget via Zoom. Under forsøget vha Skype nøjagtigheden faldt til 91,7 %.
For brugere, der er bekymrede for akustiske angreb, anbefaler forskerne at ændre skrivestilen, samt at bruge tilfældigt genererede adgangskoder. Ud over dette kan du bruge software til at gengive lyden af tastetryk, hvid støj eller lydfiltre til tastaturet.
Læs også: