Timu ya watafiti kutoka Chuo Kikuu cha Padua (Italia) na Chuo Kikuu cha Delft (Uholanzi) wamechapisha mbinu ya kutumia ujifunzaji wa mashine ili kuunda upya nambari ya siri iliyoingizwa kutoka kwa rekodi ya video ya eneo la kuingiza lililofunikwa kwa mkono la ATM. . Wakati wa kuingia msimbo wa PIN wa tarakimu 4, uwezekano wa kutabiri msimbo sahihi unakadiriwa kuwa 41%, kwa kuzingatia uwezekano wa kufanya majaribio matatu kabla ya kuzuia. Kwa misimbo ya PIN yenye tarakimu 5, uwezekano wa kubashiri ulikuwa 30%. Jaribio tofauti lilifanyika ambapo watu 78 wa kujitolea walijaribu kutabiri msimbo wa PIN kutoka kwa video sawa zilizorekodiwa. Katika kesi hii, uwezekano wa utabiri wa mafanikio ulikuwa 7.92% baada ya majaribio matatu.
Wakati wa kufunika jopo la dijiti la ATM na kiganja chako, sehemu ya mkono ambayo pembejeo hufanywa bado haijafunikwa, ambayo inatosha kutabiri mibofyo kwa kubadilisha msimamo wa mkono na kuhamisha vidole ambavyo havijafunikwa kabisa. Wakati wa kuchambua pembejeo ya kila nambari, mfumo huondoa funguo ambazo haziwezi kushinikizwa kwa kuzingatia nafasi ya mkono wa kufunika, na pia huhesabu chaguzi zinazowezekana za kushinikiza kulingana na msimamo wa mkono wa kushinikiza unaohusiana na eneo la funguo. . Ili kuongeza uwezekano wa kugundua pembejeo, sauti ya vibonye inaweza kurekodiwa kwa kuongeza, ambayo ni tofauti kidogo kwa kila ufunguo.
Jaribio lilitumia mfumo wa kujifunza kwa mashine kulingana na matumizi ya mtandao wa neva wa kubadilisha (CNN) na mtandao wa neva unaojirudia kulingana na usanifu wa LSTM (Kumbukumbu ya Muda Mfupi). Mtandao wa CNN ulikuwa na jukumu la kutoa data ya anga kwa kila fremu, na mtandao wa LSTM ulitumia data hii kutoa ruwaza za kubadilisha muda. Muundo huo ulifunzwa kwenye video za watu 58 tofauti wanaoingiza PIN kwa kutumia mbinu za jalada zilizochaguliwa na mshiriki (kila mshiriki aliingia misimbo 100 tofauti, yaani, mifano 5800 ya kuingiza ilitumika kwa mafunzo). Wakati wa mafunzo, ilifunuliwa kuwa watumiaji wengi hutumia mojawapo ya njia kuu tatu za kufunika pembejeo.
Ili kutoa mafunzo kwa muundo wa mashine ya kujifunza, seva inayotegemea kichakataji cha Xeon E5-2670 yenye RAM ya GB 128 na kadi tatu za Tesla K20m zenye kumbukumbu ya 5GB kila moja ilitumika. Sehemu ya programu imeandikwa kwa Python kwa kutumia maktaba ya Keras na jukwaa la Tensorflow. Kwa kuwa paneli za uingizaji wa ATM ni tofauti na matokeo ya ubashiri hutegemea sifa kama vile ukubwa wa ufunguo na topolojia, mafunzo tofauti yanahitajika kwa kila aina ya paneli.
Kama hatua za kulinda dhidi ya mbinu iliyopendekezwa ya shambulio, inashauriwa, ikiwezekana, kutumia nambari za siri za tarakimu 5 badala ya 4, na pia jaribu kufunika nafasi nyingi za ingizo kwa mkono wako (njia hiyo itabaki kuwa na ufanisi ikiwa karibu 75% ya eneo la kuingiza limefunikwa kwa mkono wako). Wazalishaji wa ATM wanapendekezwa kutumia skrini maalum za kinga zinazoficha pembejeo, pamoja na sio mitambo, lakini paneli za pembejeo za kugusa, nafasi ya namba ambazo hubadilika kwa nasibu.
Chanzo: opennet.ru