Tehnika koja je razvijena na Univerzitetu Durham, Univerzitetu Surrey i Royal Univerzitetu Holloway u Londonu nadovezuje se na prethodni rad kako bi se proizveo tačniji način za pogađanje vaše lozinke slušanjem zvuka dok tipkate na tastaturi, prenosi Avaz.

Istraživači smatraju da su male razlike u zvukovima, koje svaka tipka proizvodi, nenamjerno curenje informacija poznato kao "sporedni kanal". Računari obično imaju puno sporednih kanala poput buke, topline i promjena u elektromagnetskim emisijama, a koje se mogu prenijeti trećim stranama i zatim analizirati kako bi saznali više o tome što se događa na računaru.

Istraživanje sporednih kanala ponekad može biti nezgodno i nepraktično, ali ima korisnu svrhu u poboljšanju našeg znanja o tome šta je moguće. Međutim, ovo istraživanje je čvrsto ukorijenjeno u mogućem, počevši od odluke da se prati zvuk, a ne nešto egzotičnije.

Sveprisutnost akustičnih emanacija tipkovnice čini ih ne samo lako dostupnim vektorom napada već također potiče žrtve da potcijene (i stoga ne pokušavaju sakriti) njihov učinak. Naprimjer, prilikom upisivanja lozinke ljudi će redovno sakriti svoj zaslon, ali neće učiniti ništa da prikriju zvuk svoje tastature.

Istraživači su takođe koristili scenarije napada iz stvarnog svijeta kao što je „njuškanje“ po tastaturi prijenosnog računara pomoću mikrofona na pametnom telefonu u istoj prostoriji i hvatanje zvuka na Zoom pozivu, piše Smartlife.

U mnogim istraživanjima kibernetičke sigurnosti je vještačka inteligencija u centru pažnje. Nova tehnika otkrivanja lozinki koristi Deep Learning (oblik umjetne inteligencije koji oponaša proces učenja ljudskog mozga) kako bi odredio koja je od 36 tipki na tastaturi pritisnuta, piše malwarebytes.

Algoritam je učio korištenjem 25 pritisaka na svaku tipku Appleovog prijenosnog računara koristeći različite prste i različite pritiske. Zvukovi pritiskanja tipki opsežno su obrađeni prije pretvaranja u slike, a zatim uneseni u algoritam dubokog učenja koji se koristi za klasifikaciju slika.

Je li upalilo? Da, čak i preko Zooma. Metoda predstavljena u ovom radu postigla je top 1 tačnost klasifikacije od 95 odsto na telefonski snimljenim pritiscima tipki prijenosnog računara, što predstavlja poboljšane rezultate za klasifikatore koji ne koriste jezične modele i drugu najbolju tačnost uočenu u cijeloj ispitanoj literaturi.

Kada se implementira na podatke snimljene Zoomom, metoda je rezultirala 93 odsto tačnosti, poboljšanim rezultatom za klasifikatore koji koriste takve aplikacije kao vektore napada.