AI komt voor uw wachtwoorden door toetsenbordgeluiden op te nemen

Als je nog steeds de drang weerstaat om je getypte wachtwoorden te verwijderen voor veiligere opties zoals biometrie of wachtwoordsleutels, kan dit nieuwe onderzoek je misschien in actie brengen.

AI onderzoekers hebben een systeem gemaakt dat wachtwoorden kan identificeren, gewoon door het geluid van de klikken op het toetsenbord van uw computer.

De tool registreert het geluid van de toetsen die worden aangeraakt en doorloopt een op maat gemaakt algoritme voor machine learning en was in staat om wachtwoorden met een nauwkeurigheid van meer dan 90% te ontcijferen. Dit was voor toegangscodes met 36 toetsen die 25 keer achter elkaar werden getypt. Deelnemers aan het onderzoek gebruikten ook elke keer verschillende vingers en druk.

"Ik zie de nauwkeurigheid van dergelijke modellen en dergelijke aanvallen alleen maar toenemen", zei co-auteur van het onderzoek Dr. Ehsan zorgwekkend (via Voogd).

De onderzoekers van de Universiteit van Surrey voerden de opnames in het machine learning-algoritme dat de akoestische signatuur van elke toetsaanslag begon te herkennen. Het algoritme kon luidere geluiden oppikken van toetsen die zich dichter bij de microfoon bevonden, wat meer aanwijzingen bood.

De resultaten waren echter nadrukkelijk. Bij opname tijdens een Zoom-oproep raadde de AI het juiste wachtwoord met een nauwkeurigheid van 93%. Het was nog beter toen de toetsaanslagen werden opgenomen met een microfoon naast het toetsenbord.

Dus in het doomsday-voorbeeld, als je een Zoom-gesprek voert en je typt en logt in op accounts, is het hypothetisch mogelijk dat de opname je wachtwoord onthult aan de overtredende partij.

De onderzoekers schreven: “Met de recente ontwikkelingen op het gebied van deep learning, de alomtegenwoordigheid van microfoons en de opkomst van onlinediensten via persoonlijke apparaten vormen akoestische zijkanaalaanvallen een grotere bedreiging voor toetsenborden dan ooit. Dit artikel presenteert een praktische implementatie van een state-of-the-art deep learning-model om toetsaanslagen op laptops te classificeren, met behulp van een in een smartphone geïntegreerde microfoon. Wanneer getraind op toetsaanslagen die werden geregistreerd door een telefoon in de buurt, behaalde de classificator een nauwkeurigheid van 95%, de hoogste nauwkeurigheid die werd gezien zonder het gebruik van een taalmodel.

Waarom onze journalistiek vertrouwen?

Trusted Reviews is opgericht in 2003 en bestaat om onze lezers grondig, onbevooroordeeld en onafhankelijk advies te geven over wat ze kunnen kopen.

Tegenwoordig hebben we maandelijks miljoenen gebruikers van over de hele wereld en beoordelen we meer dan 1.000 producten per jaar.