Real-Time Acoustic Keylogging: A Convolutional Neural Network Based Approach

Ogni volta che una persona scrive su una tastiera standard di un computer, crea un suono minuscolo e distinto. Per l'orecchio umano, questi clic e clack si fondono in un ritmo uniforme, indistinguibili l'uno dall'altro. Tuttavia, la fisica della macchina racconta una storia diversa. Ogni tasto, a seconda della sua posizione e del meccanismo specifico sottostante, produce una firma acustica unica. Proprio come un'impronta digitale identifica una persona, queste sottili variazioni di suono possono identificare un tasto specifico. Questo fenomeno costituisce la base di una minaccia alla sicurezza nota come keylogging acustico. A differenza dei metodi di hacking tradizionali che richiedono l'installazione di software malevolo sul computer di una vittima, questo attacco si basa sulla cattura del suono dall'esterno. Con i microfoni degli smartphone e dei laptop moderni che diventano sempre più sensibili, il potenziale per un attaccante di registrare questi suoni e ricostruire una password o un messaggio riservato si è spostato da una possibilità teorica a una preoccupazione pratica.

I ricercatori dell'Università di Portsmouth si sono posti l'obiettivo di determinare quanto sia fattibile questo attacco quando avviene in tempo reale, piuttosto che dopo i fatti. Sebbene studi precedenti avessero dimostrato che le macchine potevano imparare a distinguere questi suoni, essi spesso si basavano sull'analisi di registrazioni complete di sessioni di digitazione una volta completate. Questo approccio tralasciava una domanda critica: un sistema può ascoltare una persona che scrive, identificare ogni tasto mentre viene premuto e farlo abbastanza velocemente da essere utile a un attaccante mentre la digitazione è ancora in corso? Per rispondere a ciò, il team ha costruito un prototipo di sistema progettato per simulare uno scenario di ascolto dal vivo. Hanno utilizzato uno smartphone standard per registrare i suoni di una tastiera meccanica, poi hanno inviato quell'audio a un programma informatico specializzato. Questo programma, basato su un tipo di intelligenza artificiale nota come rete neurale convoluzionale, era addestrato a riconoscere i pattern visivi delle onde sonore, convertendo l'audio in immagini che il computer potesse analizzare.

Gli esperimenti del team hanno rivelato che un tale sistema è effettivamente capace di operare in tempo reale. Nei loro test, il sistema ha elaborato l'audio e ha identificato i tasti digitati con un ritardo medio di soli 0,35 secondi dopo la pressione di ogni tasto. Questa velocità è sufficientemente elevata da essere considerata istantanea per la maggior parte degli scopi pratici. Quando i ricercatori hanno testato il sistema con password comuni, esso è riuscito a ricostruire le sequenze digitate con alta precisione, recuperando spesso l'intera stringa correttamente. Il sistema commetteva errori occasionali, ma questi errori erano raramente casuali; quando la macchina sbagliava la previsione, sceglieva quasi sempre un tasto situato fisicamente accanto a quello corretto sulla tastiera. Ciò suggerisce che il sistema stesse faticando a distinguere tra due suoni molto simili, piuttosto che fallire completamente.

Tuttavia, lo studio ha anche evidenziato debolezze significative che possono proteggere gli utenti. Il successo del sistema dipendeva fortemente dall'ambiente in cui veniva addestrato. Quando i ricercatori hanno introdotto rumore di fondo, come il chiacchiericcio e il ronzio di un ufficio affollato, la capacità del sistema di identificare i tasti è diminuita drasticamente. Allo stesso modo, se il dispositivo di registrazione veniva spostato anche di una breve distanza dalla tastiera, o se il digitatore cambiava velocità o pressione, l'accuratezza ne risentiva. Il dato più sorprendente è stato che il sistema non riusciva a adattarsi facilmente a una tastiera diversa. Un modello addestrato su una specifica tastiera meccanica falliva quasi completamente quando gli veniva chiesto di ascoltare un marchio diverso, suggerendo che l'attacco dipenda da caratteristiche hardware molto specifiche.

Forse l'aspetto più preoccupante per gli esperti di sicurezza è stata la scoperta che il sistema non aveva bisogno di enormi quantità di dati per imparare. I ricercatori hanno scoperto che l'intelligenza artificiale poteva essere addestrata efficacemente con appena quattro registrazioni di ogni tasto premuto. Questo basso requisito significa che un attaccante non deve trascorrere settimane a raccogliere dati per costruire uno strumento funzionante; una breve e mirata sessione di registrazione potrebbe essere sufficiente. Nonostante queste capacità, lo studio ha concluso che la minaccia non è invincibile. I ricercatori hanno proposto diverse difese pratiche, come digitare in ambienti rumorosi, variare la velocità di digitazione o utilizzare software che inserisce automaticamente le password per evitare del tutto le pressioni fisiche dei tasti. Sebbene la tecnologia per ascoltare le pressioni dei tasti in tempo reale sia innegabilmente presente, lo studio suggerisce che semplici cambiamenti nel comportamento e nell'ambiente possano effettivamente interrompere l'attacco, trasformando una potenziale vulnerabilità in un rischio gestibile.