IA viabiliza espelhar teclado de usuários, diz pesquisa
Em um ataque do gênero, um criminoso pode deduzir as teclas pressionadas por uma vítima simplesmente ouvindo os sons produzidos durante a digitação.
Em pesquisa divulgada no início deste mês, dia 3 de agosto, a Universidade de Durham, Reino Unido descobriu que o aprendizado profundo, uma das áreas de estudo de inteligência artificial (IA), foi capaz de espelhar o teclado de um usuário. Isso é, a digitação no teclado foi gravada, e apenas com os sons, a máquina foi capaz de replicar.
O trabalho, apoiado pelo PETRAS National Centre of Excellence for IoT Systems Cybersecurity, utilizou o modelo CoAtNet como aprendizagem profunda. Nesse sentido, trata-se de um modelo avançado de aprendizado profundo em IA que combina técnicas de convolução e autoatenção.
Os desenvolvedores criaram este modelo para processar e classificar dados eficientemente. Ele se destaca particularmente na classificação de imagens, como mel-espectrogramas, que são representações das emissões acústicas.
Além disso, a pesquisa focou em explorar a viabilidade de ataques acústicos laterais (ASCAs) em teclados. Desse modo, em um ASCA, um criminoso pode tentar deduzir as teclas pressionadas por uma vítima simplesmente ouvindo os sons produzidos durante a digitação. Além disso, os pesquisadores adaptaram e otimizaram o CoAtNet para esta tarefa específica.
Modelo de pesquisa
Os pesquisadores utilizaram um MacBook Pro 16-inch (2021) com 16GB de memória e o processador Apple M1 Pro para conduzir o experimento. Eles escolheram este laptop por sua popularidade e porque seu design de teclado se assemelha ao de outros modelos recentes da Apple.
Eles realizaram o experimento em dois modos de gravação diferentes. Entre eles, a gravação por Zoom, e por telefone. Neste último experimento, os pesquisadores colocaram um iPhone 13 mini a 17cm de distância do lado esquerdo do laptop.
Os pesquisadores fizeram as gravações em estéreo, usando uma taxa de amostragem de 44100Hz e 32 bits por amostra. Eles colocaram um pedaço de pano de microfibra sob o telefone para reduzir as vibrações da mesa, garantindo que o modelo aprendesse principalmente com as emissões acústicas. No modo de gravação por telefone, o CoAtNet alcançou uma precisão de 95% na classificação das teclas pressionadas. Já no modo de gravação pelo Zoom, a precisão foi de 93%.
Este conteúdo é informativo e educacional e não constitui recomendação de investimento. Rentabilidade passada não é garantia de resultados futuros.
