АссистентНовый вопросИсторияОбласти знаний
Партнёрские проектыСпецпроектыСтать автором
Сменить язык
О РУВИКИ

Атака по анализу нажатий клавиш

Атака по анализу нажатий клавиш — это класс методов, нарушающих конфиденциальность, при которых злоумышленники могут определить, какие символы пользователь вводит с клавиатуры[1][2][3][4][5][6][7][8]. В 2024–2026 годах благодаря интеграции искусственного интеллекта, глубокого обучения и больших языковых моделей (LLM) атаки через акустический побочный канал достигли точности свыше 99 % в лабораторных условиях[9]. Алгоритмы сжатия звука в VoIP-сервисах (таких как Zoom и Microsoft Teams) не устраняют акустические сигнатуры клавиш, что делает удалённую работу уязвимой для подобных атак[9][10].

История

Истоки атаки по анализу нажатий клавиш можно отнести к середине 1980-х годов, когда в научной среде впервые возник интерес к использованию различных излучений от устройств для определения их состояния. Хотя непосредственно атаки по анализу нажатий клавиш тогда не обсуждались, рассекреченный вводный учебник по стандартам TEMPEST (NACSIM 5000) намекал на то, что клавиатуры могут быть потенциальными источниками утечки данных[11]. В 1998 году появились научные публикации, рассматривающие методы защиты, схожие с описанными в стандартах TEMPEST: высказывалось предположение, что излучения клавиатур могут быть использованы для отслеживания нажатий клавиш, хотя практических демонстраций тогда ещё не было. В 2001 году исследователи обнаружили сторонний канал утечки во временных характеристиках протокола SSH, который позволял вывести информацию о вводимых с клавиатуры данных[12]. В 2002 году идея получила широкое внимание благодаря колонке в журнале Computerworld, в которой описывалась «трюк с клавиатурой»: анализ записанного звука клавиатуры для восстановления вводимых символов — этот подход, по словам автора, был известен ему ещё с 1980-х годов[13][11]. Формальные академические исследования по акустическому анализу начались в 2004 году, когда учёные из IBM показали, что каждое нажатие клавиши порождает уникальный звук, и предложили алгоритм для расшифровки нажатий по аудиозаписи. Эта работа была усовершенствована в 2006 и 2009 годах, что повысило достоверность атак[12]. В 2009 году Мартин Вуаньу с коллегами показали, что современные клавиатуры излучают электромагнитные сигналы, по которым также можно определить вводимые символы[1].

В 2020—2025 годах ключевым трендом стало использование глубокого обучения и больших языковых моделей (LLM) для повышения точности атак. Вектор атак расширился на мобильные устройства, гаджеты интернета вещей (IoT) и промышленные системы, а также появились новые побочные каналы утечки информации, такие как ультразвук, лидары и анализ звука 3D-принтеров.

Методы атак

Акустические атаки

Современные акустические атаки активно используют методы искусственного интеллекта. Применение свёрточных нейронных сетей (CNN) на мел-спектрограммах и гибридных архитектур (например, CoAtNet) позволяет достигать точности распознавания нажатий клавиш от 99,8 % до 100 %[14].

Атаки через Wi-Fi

Анализ состояния канала Wi-Fi (CSI) позволяет обнаруживать факт нажатия клавиш с точностью до 79,27 % и идентифицировать конкретные клавиши с точностью 22,17 %. Успешные тесты данного метода проводились только в контролируемой лабораторной среде, поэтому его применение в реальных условиях пока невозможно[15].

Методы защиты

Для защиты от акустических атак применяются различные методы маскировки сигнала: добавление белого шума, генерация фальшивых нажатий клавиш и использование комбинированного сигнала[16]. Для создания реалистичных ложных звуков, маскирующих реальные акустические сигналы, могут применяться генеративно-состязательные нейросети (GAN). Кроме того, эффективность атаки снижает средовой шум (активный или пассивный), который уменьшает отношение сигнал/шум.

Примечания

  1. ↑ 1 2 Sabra, Mohd. Zoom on the Keystrokes: Exploiting Video Calls for Keystroke Inference Attacks // Proceedings 2021 Network and Distributed System Security Symposium : [англ.] / Mohd Sabra, Anindya Maiti, Murtuza Jadliwala. — Internet Society, 2021. — ISBN 978-1-891562-66-2. — doi:10.14722/ndss.2021.23063.
  2. ↑ Chen, Yimin. EyeTell: Video-Assisted Touchscreen Keystroke Inference from Eye Movements // 2018 IEEE Symposium on Security and Privacy (SP) : [англ.] / Yimin Chen, Tao Li, Rui Zhang … [et al.]. — IEEE, 1 мая 2018. — P. 144–160. — ISBN 978-1-5386-4353-2. — doi:10.1109/SP.2018.00010.
  3. ↑ Li, Mengyuan. When CSI Meets Public WiFi: Inferring Your Mobile Phone Password via WiFi Signals // Proceedings of the 2016 ACM SIGSAC Conference on Computer and Communications Security : [англ.] / Mengyuan Li, Yan Meng, Junyi Liu … [et al.]. — ACM, 24 октября 2016. — P. 1068–1079. — ISBN 978-1-4503-4139-4. — doi:10.1145/2976749.2978397.
  4. ↑ Halevi, T. A closer look at keyboard acoustic emanations: Random passwords, typing styles and decoding techniques // Proceedings of the 7th ACM Symposium on Information, Computer and Communications Security : [англ.] / T. Halevi, N. Saxena. — ACM, 2 мая 2012. — P. 89–90. — ISBN 978-1-4503-1648-4. — doi:10.1145/2414456.2414509.
  5. ↑ Marquardt, Philip. (sp)iPhone: Decoding vibrations from nearby keyboards using mobile phone accelerometers // Proceedings of the 18th ACM conference on Computer and communications security : [англ.] / Philip Marquardt, Arunabh Verma, Henry Carter … [et al.]. — ACM, 17 октября 2011. — P. 551–562. — ISBN 978-1-4503-0948-6. — doi:10.1145/2046707.2046771.
  6. ↑ Cai, Liang; Chen, Hao (2011). “TouchLogger: Inferring Keystrokes on Touch Screen from Smartphone Motion”. USENIX HotSec'11 [англ.]. Дата обращения 2026-08-27.
  7. ↑ Liu, Xiangyu. When Good Becomes Evil: Keystroke Inference with Smartwatch // Proceedings of the 22nd ACM SIGSAC Conference on Computer and Communications Security : [англ.] / Xiangyu Liu, Zhe Zhou, Wenrui Diao … [et al.]. — ACM, 12 октября 2015. — P. 1273–1285. — ISBN 978-1-4503-3832-5. — doi:10.1145/2810103.2813668.
  8. ↑ Ali, Kamran. Keystroke Recognition Using WiFi Signals // Proceedings of the 21st Annual International Conference on Mobile Computing and Networking : [англ.] / Kamran Ali, Alex X. Liu, Wei Wang … [et al.]. — ACM, 7 сентября 2015. — P. 90–102. — ISBN 978-1-4503-3619-2. — doi:10.1145/2789168.2790109.
  9. ↑ 1 2 Искусственный интеллект может удаленно отслеживать набор текста по звукам клавиатуры. SecurityLab.ru. Дата обращения: 27 августа 2026.
  10. ↑ VoIP Keystroke Eavesdropping: A Threat to Remote Work Security. SpringerLink. Дата обращения: 27 августа 2026.
  11. ↑ 1 2 Asonov, D. Keyboard acoustic emanations // IEEE Symposium on Security and Privacy, 2004. Proceedings. 2004 / D. Asonov, R. Agrawal. — IEEE, 2004. — P. 3–11. — ISBN 978-0-7695-2136-7. — doi:10.1109/SECPRI.2004.1301311.
  12. ↑ 1 2 Vuagnoux, Martin; Pasini, Sylvain (10 августа 2009). “Compromising electromagnetic emanations of wired and wireless keyboards”. Proceedings of the 18th Conference on USENIX Security Symposium. USA: USENIX Association: 1—16. Дата обращения 2026-08-27.
  13. ↑ Secrecy Is an Illusion (англ.). Computerworld (2002). Дата обращения: 27 августа 2026.
  14. ↑ Improved CoAtNet for Acoustic Side-Channel Attack on Keyboards. Springer Link. Springer (15 марта 2025). Дата обращения: 27 августа 2026.
  15. ↑ Keystroke Detection via Wi-Fi Channel State Information (CSI). HKHLR. Дата обращения: 27 августа 2026.
  16. ↑ Countermeasures for Acoustic Side-Channel Attacks. Texas A&M University (декабрь 2019). Дата обращения: 27 августа 2026.

Категории