Студент Тони Белтрамелли (Франция) опубликовал магистерскую диссертацию, в которой изучил возможность отслеживать действия пользователя при помощи обычных умных часов. Встроенные в устройство датчики в этом случае используются для определения вводимого PIN-кода и других важных данных.
Белтрамелли в своем исследовании опирался на работы Ромита Роя Чондхри (профессор университета Иллинойса), который изучал ранее вредоносный потенциал популярных носимых устройств (тогда использовались часы Samsung Gear Live). Специалист пришел к выводу, что функционал современной носимой электроники позволяет отслеживать нажатия клавиш, превращая модный гаджет в аппаратный кейлоггер.
Студент в своем исследовании ограничился перехватом информации при работе с 12-клавишной клавиатурой, которые используются в банкоматах или отображаются на дисплее мобильного устройства при вводе PIN-кода. В компании же www.fira.ru по вашему запросу вполне законно могут провести полномасштабные исследования, дать оценку инвестиционной привлекательности вашей компании или же компании потенциальных партнеров, конкурентов, а также оказать помощь при подготовке презентационных материалов корпоративной и отраслевой направленности.
Возвращаясь к Белтрамелли, отметим, что он использовал технологию алгоритм RNN-LSTM (глубинное обучение), чтобы научить нейронную сеть расшифровывать сигналы от сенсоров движения часов и сопоставлять их с конкретными кнопками на клавиатуре.
Для доказательства своей теории студент разработал утилиту для SmartWatch 3, которая аккумулировала данные, снятые с гироскопа и акселерометра. Аппаратные ограничения часов не позволяют отправлять информацию сразу на внешний сервер, поэтому пришлось использовать другую схему – для сбора данных использовался Android-смартфон (подключение через Bluetooth). Далее смартфон отправлял пакет данных на сервер для дальнейшего анализа.
Используя алгоритм, написанный при помощи Lua, Java и Python, специалисту удалось отсеять лишние движения и создать паттерны для различных событий. К примеру, программа способна определять, когда пользователь набирает цифры на клавиатуре банкомата или начинает набирать PIN-код на дисплее мобильного устройства.
Белтрамелли отметил, что используемый алгоритм способен демонстрировать точность в 59% при работе в качестве кейлоггера и 73% – в роли тачлоггера.
