एटीएम में हाथ से बंद किए गए इनपुट की वीडियो रिकॉर्डिंग से पिन कोड निर्धारित करने की तकनीक

पडुआ विश्वविद्यालय (इटली) और डेल्फ़्ट विश्वविद्यालय (नीदरलैंड) के शोधकर्ताओं की एक टीम ने एटीएम के हाथ से ढके इनपुट क्षेत्र की वीडियो रिकॉर्डिंग से दर्ज किए गए पिन कोड को फिर से बनाने के लिए मशीन लर्निंग का उपयोग करने की एक विधि प्रकाशित की है। . 4-अंकीय पिन कोड दर्ज करते समय, ब्लॉक करने से पहले तीन प्रयास करने की संभावना को ध्यान में रखते हुए, सही कोड की भविष्यवाणी करने की संभावना 41% अनुमानित है। 5-अंकीय पिन कोड के लिए, पूर्वानुमान संभावना 30% थी। एक अलग प्रयोग किया गया जिसमें 78 स्वयंसेवकों ने समान रिकॉर्ड किए गए वीडियो से पिन कोड की भविष्यवाणी करने की कोशिश की। इस मामले में, तीन प्रयासों के बाद सफल भविष्यवाणी की संभावना 7.92% थी।

एटीएम के डिजिटल पैनल को अपनी हथेली से ढकते समय, हाथ का वह हिस्सा जिससे इनपुट किया जाता है, खुला रहता है, जो हाथ की स्थिति को बदलकर और पूरी तरह से ढकी हुई उंगलियों को स्थानांतरित करके क्लिक की भविष्यवाणी करने के लिए पर्याप्त है। प्रत्येक अंक के इनपुट का विश्लेषण करते समय, सिस्टम उन कुंजियों को हटा देता है जिन्हें कवर करने वाले हाथ की स्थिति को ध्यान में रखते हुए दबाया नहीं जा सकता है, और कुंजी के स्थान के सापेक्ष दबाने वाले हाथ की स्थिति के आधार पर दबाने के लिए सबसे संभावित विकल्पों की गणना भी करता है। . इनपुट पहचान की संभावना बढ़ाने के लिए, कीस्ट्रोक्स की ध्वनि को अतिरिक्त रूप से रिकॉर्ड किया जा सकता है, जो प्रत्येक कुंजी के लिए थोड़ा अलग है।

प्रयोग में कन्वेन्शनल न्यूरल नेटवर्क (सीएनएन) और एलएसटीएम (लॉन्ग शॉर्ट टर्म मेमोरी) आर्किटेक्चर पर आधारित आवर्तक न्यूरल नेटवर्क के उपयोग पर आधारित मशीन लर्निंग सिस्टम का उपयोग किया गया। सीएनएन नेटवर्क प्रत्येक फ्रेम के लिए स्थानिक डेटा निकालने के लिए जिम्मेदार था, और एलएसटीएम नेटवर्क ने इस डेटा का उपयोग समय-भिन्न पैटर्न निकालने के लिए किया था। मॉडल को प्रतिभागी-चयनित इनपुट कवर विधियों का उपयोग करके पिन कोड दर्ज करने वाले 58 अलग-अलग लोगों के वीडियो पर प्रशिक्षित किया गया था (प्रत्येक प्रतिभागी ने 100 अलग-अलग कोड दर्ज किए थे, यानी, प्रशिक्षण के लिए 5800 इनपुट उदाहरणों का उपयोग किया गया था)। प्रशिक्षण के दौरान, यह पता चला कि अधिकांश उपयोगकर्ता इनपुट को कवर करने के तीन मुख्य तरीकों में से एक का उपयोग करते हैं।

मशीन लर्निंग मॉडल को प्रशिक्षित करने के लिए, 5 जीबी रैम के साथ Xeon E2670-128 प्रोसेसर पर आधारित एक सर्वर और 20GB मेमोरी वाले तीन टेस्ला K5m कार्ड का उपयोग किया गया था। सॉफ़्टवेयर भाग केरस लाइब्रेरी और टेन्सरफ़्लो प्लेटफ़ॉर्म का उपयोग करके पायथन में लिखा गया है। चूंकि एटीएम इनपुट पैनल अलग-अलग होते हैं और पूर्वानुमान परिणाम कुंजी आकार और टोपोलॉजी जैसी विशेषताओं पर निर्भर करता है, इसलिए प्रत्येक प्रकार के पैनल के लिए अलग प्रशिक्षण की आवश्यकता होती है।

प्रस्तावित हमले की विधि से बचाव के उपायों के रूप में, यदि संभव हो तो, 5 के बजाय 4 अंकों के पिन कोड का उपयोग करने की सिफारिश की जाती है, और जितना संभव हो उतना इनपुट स्थान को अपने हाथ से कवर करने का प्रयास करें (यदि विधि प्रभावी रहती है) इनपुट क्षेत्र का लगभग 75% हिस्सा आपके हाथ से ढका हुआ है)। एटीएम निर्माताओं को विशेष सुरक्षात्मक स्क्रीन का उपयोग करने की सलाह दी जाती है जो इनपुट को छिपाती हैं, साथ ही यांत्रिक नहीं, बल्कि स्पर्श इनपुट पैनल, जिन पर संख्याओं की स्थिति यादृच्छिक रूप से बदलती है।

स्रोत: opennet.ru