Landskabet af bekymringer om privatlivets fred har taget en ny drejning med fremkomsten af ​​banebrydende AI-teknologi, der dechifrerer maskinskrevet tekst gennem auditiv analyse af tastetryk.
Denne avancerede dybe læringsalgoritme har evnen til at aflytte aktiviteter, der finder sted under Zoom-møder og lydopkald, hvilket øger betydelige bekymringer om privatlivets fred.
Lydene fra dit keyboard analyseres i realtid
Webcams er ikke længere det eneste fokuspunkt for undersøgelsen. Nylige resultater fra forskere ved University of London har afsløret, at de lyde, der produceres under skrivning, kan afkodes til forståelig information.
Ved at træne modellen på registrerede tastetryk fra en nærliggende smartphone opnåede forskerne en imponerende nøjagtighed på 95%. Ved at bruge data indsamlet fra Zoom-interaktioner opnåede de desuden et nøjagtighedsniveau på 93%.
Joshua Harrison, som gav indsigt i den muliggørende infrastruktur for denne AI-innovation, understregede, at på trods af den gradvise reduktion i tastaturhørbarhed over tid, har teknologien, der er i stand til at få adgang til og behandle tastaturakustik, gennemgået bemærkelsesværdige fremskridt.
Mens tidligere forskning havde fremhævet lignende metoder til detektion, viser det seneste forskningspapir en uovertruffen grad af præcision.
For at vurdere dens effektivitet blev algoritmen testet på en MacBook Pro. I dette eksperiment trykkede forskerne omhyggeligt på hver afgørende tast 25 gange. AI-systemet lærte dygtigt de subtile nuancer i lydmønstre, der udsendes af disse tangenter. Den udtrukne information kunne dechifreres gennem en lydbølgeform og dets tilsvarende spektrogram. Navnlig kræver modellen kalibrering, når den implementeres på forskellige computere, tastaturer og lydmiljøer. Ikke desto mindre udviser denne tilgang et bemærkelsesværdigt skalerbarhedspotentiale, især hvis ondsindede aktører får træningsdata for specifikke enheder.
Et utal af bekymringer
Denne forskning understreger de potentielle risici forbundet med kompromitterede adgangskoder, fortrolige beskeder, e-mails og andre følsomme oplysninger.
Selvom privatlivssårbarheden, der stammer fra tastaturer, ikke er ny, er tidligere teknikker, der involverer akustiske udstrålinger, primært centreret omkring angreb, der kan detekteres af lasermikrofoner. Integrationen af ​​sofistikerede maskinlæringsteknikker introducerer imidlertid et uovertruffent niveau af skalerbarhed til disse trusler.
På nuværende tidspunkt eksisterer der en begrænset lovgivningsramme til at modvirke informationslækage via denne vej.
Ændret skrivestil orvirrede AI
AI'ens nøjagtighed oplevede en bemærkelsesværdig forringelse, når den blev udsat for væsentlige ændringer i miljø- eller tastaturstøj. Maskinskrivere, der brugte karakteristiske tastaturteknikker, oplevede et betydeligt fald på 40% i nøjagtighed. Som en anbefalet modforanstaltning blev det foreslået at ændre ens skrivestil. Et alternativ for bekymrede personer kunne involvere overgang til berøringsskærmtastaturer, der genererer minimal eller ingen lyd.
Yderligere strategier omfatter introduktion af omgivende støj for at sløre spektrogramoptagelsen eller ændring af tastaturer for fuldstændig at transformere den kalibrerede akustik, de udsender under brug.