এটিএম-এ হাত দিয়ে বন্ধ করা ইনপুটের ভিডিও রেকর্ডিং থেকে একটি পিন কোড নির্ধারণের কৌশল

ইউনিভার্সিটি অফ পাডুয়া (ইতালি) এবং ইউনিভার্সিটি অফ ডেলফ্ট (নেদারল্যান্ডস) এর গবেষকদের একটি দল একটি এটিএম-এর হাতে-ঢাকা ইনপুট এলাকার ভিডিও রেকর্ডিং থেকে একটি প্রবেশ করা পিন কোড পুনর্গঠন করার জন্য মেশিন লার্নিং ব্যবহার করার জন্য একটি পদ্ধতি প্রকাশ করেছে। . একটি 4-সংখ্যার পিন কোড প্রবেশ করার সময়, ব্লক করার আগে তিনটি প্রচেষ্টা করার সম্ভাবনা বিবেচনা করে সঠিক কোডটি ভবিষ্যদ্বাণী করার সম্ভাবনা 41% অনুমান করা হয়। 5-সংখ্যার পিন কোডগুলির জন্য, পূর্বাভাসের সম্ভাবনা ছিল 30%৷ একটি পৃথক পরীক্ষা পরিচালিত হয়েছিল যেখানে 78 জন স্বেচ্ছাসেবক অনুরূপ রেকর্ড করা ভিডিওগুলি থেকে পিন কোডের পূর্বাভাস দেওয়ার চেষ্টা করেছিলেন। এই ক্ষেত্রে, তিনটি প্রচেষ্টার পরে সফল ভবিষ্যদ্বাণীর সম্ভাবনা ছিল 7.92%।

আপনার তালু দিয়ে ATM-এর ডিজিটাল প্যানেল ঢেকে রাখার সময়, হাতের যে অংশটি দিয়ে ইনপুট তৈরি করা হয় সেটি অনাবৃত থাকে, যা হাতের অবস্থান পরিবর্তন করে এবং সম্পূর্ণরূপে না ঢেকে থাকা আঙুলগুলিকে সরিয়ে দিয়ে ক্লিকের পূর্বাভাস দেওয়ার জন্য যথেষ্ট। প্রতিটি অঙ্কের ইনপুট বিশ্লেষণ করার সময়, সিস্টেমটি এমন কীগুলিকে সরিয়ে দেয় যা কভারিং হাতের অবস্থান বিবেচনা করে টিপতে পারে না এবং কীগুলির অবস্থানের সাথে সাপেক্ষে হাতের চাপের অবস্থানের উপর ভিত্তি করে চাপের জন্য সম্ভাব্য বিকল্পগুলিও গণনা করে। . ইনপুট সনাক্তকরণের সম্ভাবনা বাড়ানোর জন্য, কীস্ট্রোকের শব্দ অতিরিক্তভাবে রেকর্ড করা যেতে পারে, যা প্রতিটি কীর জন্য কিছুটা আলাদা।

পরীক্ষাটি একটি কনভোল্যুশনাল নিউরাল নেটওয়ার্ক (সিএনএন) এবং এলএসটিএম (লং শর্ট টার্ম মেমরি) আর্কিটেকচারের উপর ভিত্তি করে একটি পুনরাবৃত্ত নিউরাল নেটওয়ার্ক ব্যবহারের উপর ভিত্তি করে একটি মেশিন লার্নিং সিস্টেম ব্যবহার করেছে। CNN নেটওয়ার্ক প্রতিটি ফ্রেমের জন্য স্থানিক ডেটা বের করার জন্য দায়ী ছিল এবং LSTM নেটওয়ার্ক সময়-পরিবর্তিত নিদর্শনগুলি বের করতে এই ডেটা ব্যবহার করে। মডেলটিকে অংশগ্রহণকারী-নির্বাচিত ইনপুট কভার পদ্ধতি ব্যবহার করে 58 জন ভিন্ন লোকের পিন কোড প্রবেশ করানো ভিডিওতে প্রশিক্ষণ দেওয়া হয়েছিল (প্রতিটি অংশগ্রহণকারী 100টি ভিন্ন কোড প্রবেশ করেছে, অর্থাৎ, প্রশিক্ষণের জন্য 5800টি ইনপুট উদাহরণ ব্যবহার করা হয়েছে)। প্রশিক্ষণের সময়, এটি প্রকাশিত হয়েছিল যে বেশিরভাগ ব্যবহারকারী ইনপুট কভার করার তিনটি প্রধান পদ্ধতির মধ্যে একটি ব্যবহার করেন।

মেশিন লার্নিং মডেল প্রশিক্ষণের জন্য, একটি Xeon E5-2670 প্রসেসরের উপর ভিত্তি করে 128 GB RAM এবং 20GB মেমরি সহ তিনটি Tesla K5m কার্ড ব্যবহার করা হয়েছিল। কেরাস লাইব্রেরি এবং টেনসরফ্লো প্ল্যাটফর্ম ব্যবহার করে সফ্টওয়্যার অংশটি পাইথনে লেখা হয়েছে। যেহেতু এটিএম ইনপুট প্যানেলগুলি আলাদা এবং ভবিষ্যদ্বাণী ফলাফল কী আকার এবং টপোলজির মতো বৈশিষ্ট্যগুলির উপর নির্ভর করে, প্রতিটি ধরণের প্যানেলের জন্য আলাদা প্রশিক্ষণের প্রয়োজন৷

প্রস্তাবিত আক্রমণ পদ্ধতির বিরুদ্ধে সুরক্ষার ব্যবস্থা হিসাবে, সম্ভব হলে 5 এর পরিবর্তে 4 সংখ্যার পিন কোড ব্যবহার করার পরামর্শ দেওয়া হয় এবং আপনার হাত দিয়ে যতটা সম্ভব ইনপুট স্পেস কভার করার চেষ্টা করুন (পদ্ধতি কার্যকর থাকে যদি ইনপুট এলাকার প্রায় 75% আপনার হাত দিয়ে আচ্ছাদিত)। এটিএম নির্মাতাদের বিশেষ প্রতিরক্ষামূলক স্ক্রিনগুলি ব্যবহার করার পরামর্শ দেওয়া হয় যা ইনপুট লুকিয়ে রাখে, সেইসাথে যান্ত্রিক নয়, তবে স্পর্শ ইনপুট প্যানেলগুলি, যে সংখ্যাগুলির অবস্থান এলোমেলোভাবে পরিবর্তিত হয়।

উত্স: opennet.ru