{"id":147923,"date":"2025-11-10T23:11:54","date_gmt":"2025-11-10T21:11:56","guid":{"rendered":"https:\/\/prohoster.info\/blog\/novosti-interneta\/ataka-whisper-leak-po-opredeleniyu-tematiki-obshheniya-s-ai-chatbotami-cherez-analiz-tls-trafika"},"modified":"2025-11-10T23:11:54","modified_gmt":"2025-11-10T21:11:56","slug":"ataka-whisper-leak-po-opredeleniyu-tematiki-obshheniya-s-ai-chatbotami-cherez-analiz-tls-trafika","status":"publish","type":"post","link":"https:\/\/prohoster.info\/fr\/blog\/news\/ataka-whisper-leak-po-opredeleniyu-tematiki-obshheniya-s-ai-chatbotami-cherez-analiz-tls-trafika","title":{"rendered":"L'attaque Whisper Leak se d\u00e9finit par l'analyse TLS des interactions avec les chatbots AI pour en d\u00e9terminer le sujet.","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"
Des chercheurs en s\u00e9curit\u00e9 de Microsoft ont d\u00e9velopp\u00e9 une technique d'attaque par canaux secondaires, appel\u00e9e Whisper Leak, qui permet, \u00e0 partir d'une analyse passive du trafic chiffr\u00e9 transmis via une connexion TLS, de classifier les sujets des requ\u00eates aux services bas\u00e9s sur de grands mod\u00e8les de langage. Les informations sur la taille des paquets r\u00e9seau et les d\u00e9lais entre leurs transmissions se sont r\u00e9v\u00e9l\u00e9es suffisantes pour d\u00e9terminer les sujets des requ\u00eates aux chatbots AI avec une pr\u00e9cision sup\u00e9rieure \u00e0 98 %. En pratique, la m\u00e9thode propos\u00e9e peut \u00eatre utilis\u00e9e pour identifier, dans le trafic transit d'un utilisateur, certains sujets de requ\u00eates, par exemple, des tentatives d'obtenir des informations sur des activit\u00e9s ill\u00e9gales, sans d\u00e9chiffrer le contenu. <\/p>\n
Des outils pour l'extraction de donn\u00e9es \u00e0 partir de fichiers de trafic, l'entra\u00eenement de mod\u00e8les et le test de m\u00e9thodes sont publi\u00e9s sur GitHub. La possibilit\u00e9 de mener une attaque a \u00e9t\u00e9 d\u00e9montr\u00e9e pour 28 grands mod\u00e8les linguistiques populaires des principaux fabricants. Par exemple, la pr\u00e9cision de la d\u00e9tection des requ\u00eates sur le th\u00e8me \u00ab blanchiment d'argent \u00bb pour de nombreux services d'IA a atteint 100 %, avec 1 requ\u00eate pertinente dans le trafic analys\u00e9 et 10 000 requ\u00eates non li\u00e9es au sujet.
<\/center> <\/p>\n
La raison de la fuite d'informations est que les mod\u00e8les g\u00e9n\u00e8rent une r\u00e9ponse \u00e0 une requ\u00eate \u00e9tape par \u00e9tape, un jeton \u00e0 la fois, utilisant \u00e0 chaque \u00e9tape le jeton pr\u00e9c\u00e9dent comme contexte pour d\u00e9terminer le mot ou la phrase suivante la plus probable. Par cons\u00e9quent, un paquet r\u00e9seau distinct est envoy\u00e9 pour chaque jeton, et le d\u00e9lai entre les paquets correspond au d\u00e9lai entre la d\u00e9termination par le mod\u00e8le du jeton suivant. <\/p>\n
Dans TLS, si la compression des donn\u00e9es n'est pas utilis\u00e9e, la conversion du texte chiffr\u00e9 \u00e9gale la taille du texte en clair plus une constante. En cr\u00e9ant un mod\u00e8le qui associe des ensembles de jetons cibl\u00e9s aux tailles de paquets et aux d\u00e9lais entre leur envoi, on peut d\u00e9terminer de mani\u00e8re assez pr\u00e9cise la pr\u00e9sence de sujets recherch\u00e9s dans le trafic. Au cours de l'\u00e9tude, trois variantes de mod\u00e8les d'apprentissage automatique bas\u00e9s sur les architectures de r\u00e9seaux de neurones LightGBM, Bi-LSTM et BERT ont \u00e9t\u00e9 d\u00e9velopp\u00e9es. Pour chaque mod\u00e8le, des exp\u00e9riences ont \u00e9t\u00e9 men\u00e9es pour d\u00e9terminer le sujet recherch\u00e9 en analysant uniquement la taille des paquets, uniquement les d\u00e9lais entre les paquets, et les deux crit\u00e8res.
![\"L'attaque](\"\/wp-content\/uploads\/2025\/11\/9e2db8a564ae07b2ae7ced2d2f744e46.png\")
<\/center> <\/p>\n![\"L'attaque](\"\/wp-content\/uploads\/2025\/11\/d6be536d5b8814af45a42317c9454a44.png\")
<\/center> <\/p>\n