Η τεχνητή νοημοσύνη μαντεύει πάνω από το 90% των κωδικών πρόσβασης μέσω των ήχων πληκτρολόγησης

Κορυφαίοι ερευνητές παγκοσμίως δημιούργησαν ένα σύστημα τεχνητής νοημοσύνης που χρησιμοποιεί ηχογραφήσεις για να μαντέψει σε ποσοστό μεγαλύτερο του 90% των περιπτώσεων ποια πλήκτρα πληκτρολογεί ένας χρήστης.

Το γεγονός ότι η τεχνητή νοημοσύνη μπορεί να προβλέψει με τέτοια ακρίβεια θα μπορούσε να ανοίξει τον δρόμο για κυβερνοεπιθέσεις. Οι ειδικοί λένε ότι καθώς τα εργαλεία τηλεδιάσκεψης όπως το Zoom και οι συσκευές με ενσωματωμένα μικρόφωνα γίνονται πιο δημοφιλή, ο κίνδυνος κυβερνοεπιθέσεων που βασίζονται στον ήχο θα αυξηθεί.

Trí tuệ nhân tạo có thể đoán phím nào đang được gõ với độ chính xác trên 90% chỉ nhờ vào âm thanh.

Η τεχνητή νοημοσύνη μπορεί να μαντέψει ποιο πλήκτρο πατιέται με ακρίβεια άνω του 90% μόνο από τον ήχο.

Συνεπώς, οι ερευνητές δημιούργησαν ένα σύστημα τεχνητής νοημοσύνης που μπορεί να μαντέψει ποιο πλήκτρο πατιέται στο πληκτρολόγιο ενός φορητού υπολογιστή με εκπληκτική ακρίβεια άνω του 90%, βασιζόμενο μόνο σε ηχογραφήσεις.

Ο Δρ. Ehsan Toreini, συν-συγγραφέας της μελέτης στο Πανεπιστήμιο του Surrey (Ηνωμένο Βασίλειο), σχολίασε ότι η ακρίβεια των μοντέλων καθώς και οι κυβερνοεπιθέσεις θα αυξηθούν. Σύμφωνα με τον ίδιο, χρειάζεται να υπάρξει δημόσιος διάλογος σχετικά με το ζήτημα της διακυβέρνησης της τεχνητής νοημοσύνης (AI), ειδικά καθώς οι έξυπνες συσκευές που είναι εξοπλισμένες με μικρόφωνα γίνονται πιο οικεία στις οικογένειες.

Ο κ. Toreini και οι συνάδελφοί του χρησιμοποίησαν επίσης αλγόριθμους μηχανικής μάθησης για να αναπτύξουν ένα σύστημα τεχνητής νοημοσύνης που μπορεί να καθορίσει ποια πλήκτρα πατιούνται σε έναν φορητό υπολογιστή με βάση τον ήχο.

Συγκεκριμένα, στη μελέτη, πάτησαν καθένα από τα 36 πλήκτρα του MacBook Pro, συμπεριλαμβανομένων τόσο των αριθμητικών όσο και των χαρακτήρων πλήκτρων, 25 φορές στη σειρά, χρησιμοποιώντας διαφορετικά δάχτυλα και πίεση. Ο ήχος καταγράφηκε μέσω κλήσης Zoom και σε ένα smartphone τοποθετημένο κοντά στο πληκτρολόγιο.

Στη συνέχεια, η ομάδα τροφοδότησε τα δεδομένα σε ένα σύστημα μηχανικής μάθησης τεχνητής νοημοσύνης (AI) που έμαθε να αναγνωρίζει τα χαρακτηριστικά των ηχητικών σημάτων που σχετίζονται με κάθε πλήκτρο. Τα αποτελέσματα έδειξαν ότι το σύστημα μπορούσε να αντιστοιχίσει με ακρίβεια ένα πλήκτρο σε έναν ήχο στο 95% των περιπτώσεων κατά την ηχογράφηση μιας τηλεφωνικής κλήσης και στο 93% των περιπτώσεων κατά την ηχογράφηση μιας κλήσης Zoom.

Ενώ η μελέτη είναι καθαρά ενδεικτική και δεν προορίζεται να χρησιμοποιηθεί για την παραβίαση κωδικών πρόσβασης ή σε πραγματικό περιβάλλον, οι συγγραφείς λένε ότι οι άνθρωποι θα πρέπει να είναι επιφυλακτικοί, ειδικά επειδή οι φορητοί υπολογιστές χρησιμοποιούν παρόμοια πληκτρολόγια και χρησιμοποιούνται συχνά σε δημόσιους χώρους όπως καφετέριες. Η μέθοδος υποκλοπής θα μπορούσε να εφαρμοστεί σε οποιοδήποτε πληκτρολόγιο.

Οι ερευνητές πρότειναν επίσης διάφορους τρόπους για να μειωθεί ο κίνδυνος επίθεσης μέσω ήχου, όπως η επιλογή βιομετρικών στοιχείων σύνδεσης, εάν είναι διαθέσιμα, ή η ενεργοποίηση της επαλήθευσης σε δύο βήματα.

Επιπλέον, οι χρήστες θα πρέπει να χρησιμοποιούν το πλήκτρο Shift για να συνδυάζουν πεζά και κεφαλαία γράμματα, αριθμούς και σύμβολα στους κωδικούς πρόσβασής τους. Ο Joshua Harrison, ένας από τους συγγραφείς, σχολίασε ότι είναι πολύ δύσκολο να προσδιοριστεί εάν χρησιμοποιείται το πλήκτρο Shift.

Εν τω μεταξύ, ο καθηγητής Φενγκ Χάο από το Πανεπιστήμιο του Γουόρικ προειδοποίησε τους χρήστες να μην πληκτρολογούν ευαίσθητα μηνύματα, συμπεριλαμβανομένων κωδικών πρόσβασης, στο πληκτρολόγιο κατά τη διάρκεια κλήσεων Zoom. «Εκτός από τον ήχο, οι οπτικές εικόνες μικρών κινήσεων των ώμων και των καρπών μπορούν επίσης να αποκαλύψουν πληροφορίες σχετικά με το ποια πλήκτρα πληκτρολογούνται, ακόμη και αν το πληκτρολόγιο δεν είναι ορατό στην κάμερα», μοιράστηκε.

[διαφήμιση_2]
Πηγή