روش جدید هکرها برای سرقت الگوی بازگشایی موبایل
تحققیات امنیتی در اروپا حاکی از این است که هکرها از طریق تبدیل موبایل به سیستم ردیابی صوتی(سونار) توانایی سرقت الگوی بازگشایی قفل را دارند.
رویداد۲۴ به نقل از زدنت، در این سیستم با استفاده از اسپیکرها و میکروفن دستگاه بر اساس اصول ردیابی صوتی و سونار حرکات انگشت کاربر روی نمایشگر شناسایی شده و الگوهای بالقوه بازگشایی قفل تولید میشوند.
این تکنیک "سوناراسنوپ" (SonarSnoop) نام داشته و بر پایه فناوری FingerIO توسعه یافته که روش تعاملی جدید برای کار با ساعتهای هوشمند است و از طریق شناسایی امواج صوتی با فرکانس بالا ژستهای حرکتی دست کاربر در هوا را دنبال کرده و آنها را اجرا میکند.
اسپیکرهای دیجیتال سیگنال OFDM را ارسال میکنند که اغب در دامنه شنیداری انسان قرار ندارد و از این رو کاربر متوجه فعالیت آنها نمیشود. با این حال سوناراسنوپ با بهرهگیری از همین سیگنالها به مهاجمان سایبری اجازه میدهد تعداد الگوهای بازگشایی قفل بالقوه را به لطف الگوریتمهای یادگیری ماشینی تا ۷۰ درصد کاهش دهند.
این تیم تحقیقاتی در پروژه خود از ۱۰ داوطلب آزمایشی استفاده کردهاند و سیگنالهای دریافتی از این افراد پس از تجزیه و تحلیل توسط الگوریتمهای هوش مصنوعی طبقهبندی شده و در برخی موارد با الگوی واقعی مطابقت داشتهاند.
محققان تاکید کردهاند بهرغم تمرکز این مطالعه روی موبایل، از این فناوری میتوان برای نفوذ به دستگاههای کامپیوتری مجهز به اسپیکر و میکروفن هم بهره برد با این حال پیچیدگی بالای این حمله امکان استفاده از آن توسط هکرها را تا حد زیادی کاهش میدهد.
علاوه بر این خوشبختانه در سالهای اخیر کمپانیهای تولید موبایل به سمت تعبیه حسگرهای شناسایی چهره، سنسورهای اثر انگشت فیزیکی و حتی زیر نمایشگر حرکت کردهاند که مانع از پیادهسازی چنین روشهایی برای نفوذ به موبایل کاربران میشود.
این تکنیک "سوناراسنوپ" (SonarSnoop) نام داشته و بر پایه فناوری FingerIO توسعه یافته که روش تعاملی جدید برای کار با ساعتهای هوشمند است و از طریق شناسایی امواج صوتی با فرکانس بالا ژستهای حرکتی دست کاربر در هوا را دنبال کرده و آنها را اجرا میکند.
اسپیکرهای دیجیتال سیگنال OFDM را ارسال میکنند که اغب در دامنه شنیداری انسان قرار ندارد و از این رو کاربر متوجه فعالیت آنها نمیشود. با این حال سوناراسنوپ با بهرهگیری از همین سیگنالها به مهاجمان سایبری اجازه میدهد تعداد الگوهای بازگشایی قفل بالقوه را به لطف الگوریتمهای یادگیری ماشینی تا ۷۰ درصد کاهش دهند.
این تیم تحقیقاتی در پروژه خود از ۱۰ داوطلب آزمایشی استفاده کردهاند و سیگنالهای دریافتی از این افراد پس از تجزیه و تحلیل توسط الگوریتمهای هوش مصنوعی طبقهبندی شده و در برخی موارد با الگوی واقعی مطابقت داشتهاند.
محققان تاکید کردهاند بهرغم تمرکز این مطالعه روی موبایل، از این فناوری میتوان برای نفوذ به دستگاههای کامپیوتری مجهز به اسپیکر و میکروفن هم بهره برد با این حال پیچیدگی بالای این حمله امکان استفاده از آن توسط هکرها را تا حد زیادی کاهش میدهد.
علاوه بر این خوشبختانه در سالهای اخیر کمپانیهای تولید موبایل به سمت تعبیه حسگرهای شناسایی چهره، سنسورهای اثر انگشت فیزیکی و حتی زیر نمایشگر حرکت کردهاند که مانع از پیادهسازی چنین روشهایی برای نفوذ به موبایل کاربران میشود.
منبع: ایسنا
