Participe da
Comunidade Ícone Whatsapp
Tecnologia

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.

Faça parte da Comunidade BLOCKTRENDS PRO e lucre em cripto com relatórios semanais, análises diárias, sinais e lives exclusivas.

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%.

$100 de bônus de boas vindas. Crie sua conta na melhor corretora de traders de criptomoedas. Acesse ByBit.com

Notícias relacionadas