Technika elektromagnetické špionáže, která existovala již desítky let, ožívá díky hlubokému učení.
Tým uruguayských výzkumníků prokázal, že umělá inteligence dokáže proměnit téměř zapomenutou slabinu kabelů HDMI – standardního rozhraní, které po celém světě propojuje počítače, monitory a televizory – v překvapivě účinný špionážní kanál. Tato technika, pojmenovaná Deep-TEMPEST, využívá nepatrné elektromagnetické emise, které tyto kabely generují při přenosu dat, k rekonstrukci s pozoruhodnou přesností, co se zobrazuje na obrazovce uživatele.
Od teorie k vědecké práci
Odborníci z Univerzity Republiky v Uruguayi již v průběhu roku 2024 na toto riziko upozorňovali, ale jejich práce nezůstala pouze u jednoduchého ověření koncepce. Kompletní výsledky byly zveřejněny v prosinci téhož roku ve sborníku z 13. latinskoamerického sympozia o spolehlivém a bezpečném výpočetním zpracování (13th Latin-American Symposium on Dependable and Secure Computing), kde je podrobně popsáno fungování systému. Proces spočívá v zachycení nechtěného elektromagnetického vyzařování z kabelů a konektorů HDMI a ve vkládání těchto signálů do neuronové sítě, která je schopna rekonstruovat původní obraz.
Text na obrazovce již není v bezpečí
Obtížnost zachycení signálů HDMI spočívá v jejich digitální povaze, jejíž dekódování je mnohem složitější než u starších analogových přenosů. Aby tuto překážku překonali, využili výzkumníci systém softwarově definovaného rádia – technologii, která umožňuje zachytávat a zpracovávat vysokofrekvenční signály pomocí počítače namísto specializovaného hardwaru – a kombinovali ji s algoritmy hlubokého učení. Díky tomuto přístupu se míra chybovosti při rozpoznávání znaků snížila o více než 60 procentních bodů ve srovnání s předchozími metodami, čímž se zachycený text stal mnohem čitelnějším.
Otevřený zdrojový kód a simulátor pro trénování modelu
Projekt se od svých prvních ukázek neustále rozvíjí. Jeho tvůrci zveřejnili zdrojový kód spolu s datovým souborem obsahujícím přibližně 3 500 vzorků, z nichž asi 1 300 pochází ze skutečných záznamů. Zbývající vzorky lze generovat pomocí simulátoru vytvořeného samotným týmem – nástroje, který umožňuje trénovat model umělé inteligence, aniž by bylo nutné pořizovat tisíce fyzických záznamů.
Měl by se domácí uživatel obávat?
Je třeba upřesnit, že tento útok neznamená, že by se kyberzločinec mohl vzdáleně připojit k HDMI kabelu kohokoli a sledovat, co se zobrazuje na jeho obrazovce. K jeho provedení je zapotřebí anténa a specializované vybavení umístěné v určité vzdálenosti od cíle a navíc následné zpracování zachycených signálů. Samotní autoři studie představují Deep-TEMPEST jako demonstraci rizik, která s sebou tyto elektromagnetické úniky nesou, a navrhují různá protiopatření k minimalizaci této zranitelnosti.
Hrozba nabývá skutečného významu zejména v prostředích, kde se na obrazovkách zobrazují vysoce citlivé informace. Vládní orgány, průmyslová zařízení nebo společnosti, které zpracovávají kritická data, představují mnohem reálnější cíle než jakákoli domácnost. Tento výzkum ukazuje, že hluboké učení může oživit techniky elektromagnetické špionáže známé již desítky let a vybavit je schopností získávat informace, které byly dosud prakticky nedosažitelné.