Mobiele telefoongesprekken op afstand afgeluisterd met behulp van sensoren in het nieuwste onderzoek

0

Onderzoekers hebben een methode gedemonstreerd om de trillingen van de oortelefoon van een mobiele telefoon te detecteren en te ontcijferen wat de persoon aan de andere kant van het gesprek zei met een nauwkeurigheid tot 83 procent. Het team van de Pennsylvania State University gebruikte een kant-en-klare radarsensor voor auto’s en een nieuwe verwerkingsbenadering om dit belangrijke beveiligingsprobleem aan het licht te brengen.

“Naarmate technologie in de loop van de tijd betrouwbaarder en robuuster wordt, wordt het misbruik van dergelijke detectietechnologieën door tegenstanders waarschijnlijk”, zegt Suryoday Basak, een promovendus bij Penn State.

“Onze demonstratie van dit soort uitbuiting draagt ​​bij aan de pool van wetenschappelijke literatuur die in grote lijnen zegt: ‘Hé! Autoradars kunnen worden gebruikt om audio af te luisteren. We moeten hier iets aan doen’, zei Basak.

De radar werkt in het millimetergolf (mmWave) spectrum, met name in de banden van 60 tot 64 GHz en 77 tot 81 GHz, wat de onderzoekers inspireerde om hun benadering “mmSpy” te noemen. Dit is een subset van het radiospectrum dat wordt gebruikt voor 5G, de vijfde generatie standaard voor communicatiesystemen over de hele wereld.

In de mmSpy-demonstratie, beschreven in het 2022 IEEE Symposium on Security and Privacy (SP), simuleerden de onderzoekers mensen die door de oortelefoon van een smartphone spraken.

Het oortje van de telefoon trilt van de spraak en die trilling dringt door in het lichaam van de telefoon.

“We gebruiken de radar om deze trilling waar te nemen en te reconstrueren wat de persoon aan de andere kant van de lijn zei”, zei Basak.

De onderzoekers, waaronder Mahanth Gowda, een assistent-professor aan Penn State, merkten op dat hun aanpak werkt, zelfs wanneer de audio volledig onhoorbaar is voor zowel mensen als microfoons in de buurt.

“Dit is niet de eerste keer dat vergelijkbare kwetsbaarheden of aanvalsmodaliteiten zijn gevonden, maar dit specifieke aspect – het detecteren en reconstrueren van spraak van de andere kant van een smartphonelijn – was nog niet onderzocht”, zei Basak.

De gegevens van de radarsensor worden voorverwerkt via MATLAB- en Python-modules, dit zijn computerplatform-taalinterfaces die worden gebruikt om hardwaregerelateerde en artefactruis uit de gegevens te verwijderen.

De onderzoekers voeren dat vervolgens door naar machine learning-modules die zijn getraind om spraak te classificeren en audio te reconstrueren.

Wanneer de radar trillingen op een afstand van 30 cm detecteert, is de verwerkte spraak 83 procent nauwkeurig. Dat daalt naarmate de radar verder van de telefoon komt, tot een nauwkeurigheid van 43 procent op 1,80 meter, zeiden ze.

Zodra de spraak is gereconstrueerd, kunnen de onderzoekers trefwoorden naar behoefte filteren, verbeteren of classificeren, zei Basak.

Het team gaat door met het verfijnen van hun aanpak om niet alleen beter te begrijpen hoe ze zich kunnen beschermen tegen dit beveiligingslek, maar ook hoe ze het voorgoed kunnen misbruiken.

“De methodologie die we hebben ontwikkeld, kan ook worden gebruikt voor het detecteren van trillingen in industriële machines, smart home-systemen en systemen voor het bewaken van gebouwen”, aldus Basak.

Volgens de onderzoekers zijn er vergelijkbare systemen voor thuisonderhoud of zelfs gezondheidsbewaking die baat zouden kunnen hebben bij dergelijke gevoelige tracking.

“Stel je een radar voor die een gebruiker kan volgen en om hulp kan roepen als een gezondheidsparameter op een gevaarlijke manier verandert”, zei Basak.

“Met de juiste reeks doelacties kunnen radars in slimme huizen en de industrie een snellere doorlooptijd mogelijk maken wanneer problemen en problemen worden gedetecteerd”, voegde hij eraan toe.


Affiliate-links kunnen automatisch worden gegenereerd – zie onze ethische verklaring voor details.

Read original article here

Ontkenning van verantwoordelijkheid! Palaunow is een automatische aggregator rond de wereldwijde media. Alle inhoud is gratis beschikbaar op internet. We hebben het zojuist op één platform ondergebracht, alleen voor educatieve doeleinden. In elke inhoud wordt de hyperlink naar de primaire bron gespecificeerd. Alle handelsmerken behoren toe aan hun rechtmatige eigenaars, al het materiaal aan hun auteurs. Als u de eigenaar van de inhoud bent en niet wilt dat wij uw materiaal op onze website publiceren, neem dan contact met ons op via e-mail – abuse@Palaunow.com. De inhoud wordt binnen 24 uur verwijderd.

Leave A Reply

Your email address will not be published.