பதுவா பல்கலைக்கழகம் (இத்தாலி) மற்றும் டெல்ஃப்ட் பல்கலைக்கழகம் (நெதர்லாந்து) ஆகியவற்றின் ஆராய்ச்சியாளர்கள் குழு, ஏடிஎம்மொன்றின் கையால் மூடப்பட்ட உள்ளீடு பகுதியின் வீடியோ பதிவிலிருந்து உள்ளிடப்பட்ட PIN குறியீட்டை மறுகட்டமைக்க இயந்திர கற்றலைப் பயன்படுத்துவதற்கான முறையை வெளியிட்டுள்ளனர். . 4-இலக்க PIN குறியீட்டை உள்ளிடும்போது, சரியான குறியீட்டைக் கணிக்கும் நிகழ்தகவு 41% என மதிப்பிடப்படுகிறது, தடுப்பதற்கு முன் மூன்று முயற்சிகளை மேற்கொள்ளும் சாத்தியத்தை கணக்கில் எடுத்துக்கொள்கிறது. 5 இலக்க PIN குறியீடுகளுக்கு, கணிப்பு நிகழ்தகவு 30% ஆகும். ஒரு தனி சோதனை நடத்தப்பட்டது, அதில் 78 தன்னார்வலர்கள் இதே போன்ற பதிவு செய்யப்பட்ட வீடியோக்களிலிருந்து பின் குறியீட்டைக் கணிக்க முயன்றனர். இந்த வழக்கில், மூன்று முயற்சிகளுக்குப் பிறகு வெற்றிகரமான கணிப்பின் நிகழ்தகவு 7.92% ஆகும்.
ஏடிஎம்மின் டிஜிட்டல் பேனலை உங்கள் உள்ளங்கையால் மூடும் போது, உள்ளீடு செய்யப்பட்ட கையின் பகுதி வெளிவராமல் இருக்கும், இது கையின் நிலையை மாற்றி, முழுமையாக மூடப்படாத விரல்களை மாற்றுவதன் மூலம் கிளிக்குகளைக் கணிக்க போதுமானது. ஒவ்வொரு இலக்கத்தின் உள்ளீட்டையும் பகுப்பாய்வு செய்யும் போது, மூடிமறைக்கும் கையின் நிலையை கணக்கில் எடுத்துக்கொண்டு அழுத்த முடியாத விசைகளை கணினி நீக்குகிறது, மேலும் விசைகளின் இருப்பிடத்துடன் தொடர்புடைய அழுத்தும் கையின் நிலையை அடிப்படையாகக் கொண்டு அழுத்துவதற்கான வாய்ப்புகளை கணக்கிடுகிறது. . உள்ளீடு கண்டறிவதற்கான வாய்ப்பை அதிகரிக்க, விசை அழுத்தங்களின் ஒலியை கூடுதலாக பதிவு செய்யலாம், இது ஒவ்வொரு விசைக்கும் சற்று வித்தியாசமாக இருக்கும்.
சோதனையானது ஒரு கன்வல்யூஷனல் நியூரல் நெட்வொர்க் (சிஎன்என்) மற்றும் எல்எஸ்டிஎம் (லாங் ஷார்ட் டெர்ம் மெமரி) கட்டமைப்பின் அடிப்படையில் மீண்டும் மீண்டும் வரும் நரம்பியல் நெட்வொர்க்கின் பயன்பாட்டின் அடிப்படையில் இயந்திர கற்றல் முறையைப் பயன்படுத்தியது. ஒவ்வொரு சட்டகத்திற்கும் இடஞ்சார்ந்த தரவைப் பிரித்தெடுப்பதற்கு CNN நெட்வொர்க் பொறுப்பேற்றது, மேலும் LSTM நெட்வொர்க் இந்தத் தரவைப் பயன்படுத்தி நேரம் மாறுபடும் வடிவங்களைப் பிரித்தெடுத்தது. பங்கேற்பாளர்-தேர்ந்தெடுக்கப்பட்ட உள்ளீட்டு அட்டை முறைகளைப் பயன்படுத்தி 58 வெவ்வேறு நபர்களின் PIN குறியீடுகளை உள்ளிடும் வீடியோக்களில் இந்த மாதிரி பயிற்சியளிக்கப்பட்டது (ஒவ்வொரு பங்கேற்பாளரும் 100 வெவ்வேறு குறியீடுகளை உள்ளிட்டுள்ளனர், அதாவது, 5800 உள்ளீட்டு எடுத்துக்காட்டுகள் பயிற்சிக்காகப் பயன்படுத்தப்பட்டன). பயிற்சியின் போது, பெரும்பாலான பயனர்கள் உள்ளீட்டை உள்ளடக்கும் மூன்று முக்கிய முறைகளில் ஒன்றைப் பயன்படுத்துவது தெரியவந்தது.
இயந்திர கற்றல் மாதிரியைப் பயிற்றுவிக்க, 5 ஜிபி ரேம் கொண்ட Xeon E2670-128 செயலியை அடிப்படையாகக் கொண்ட ஒரு சேவையகம் மற்றும் 20GB நினைவகம் கொண்ட மூன்று Tesla K5m கார்டுகள் பயன்படுத்தப்பட்டன. கெராஸ் நூலகம் மற்றும் டென்சர்ஃப்ளோ இயங்குதளத்தைப் பயன்படுத்தி மென்பொருள் பகுதி பைத்தானில் எழுதப்பட்டுள்ளது. ஏடிஎம் இன்புட் பேனல்கள் வித்தியாசமாக இருப்பதால், கணிப்பு முடிவு முக்கிய அளவு மற்றும் இடவியல் போன்ற குணாதிசயங்களைப் பொறுத்தது என்பதால், ஒவ்வொரு வகை பேனலுக்கும் தனித்தனி பயிற்சி தேவைப்படுகிறது.
முன்மொழியப்பட்ட தாக்குதல் முறைக்கு எதிராகப் பாதுகாப்பதற்கான நடவடிக்கையாக, முடிந்தால், 5க்கு பதிலாக 4 இலக்கங்களின் பின் குறியீடுகளைப் பயன்படுத்தவும், மேலும் உங்கள் கையால் முடிந்தவரை உள்ளீட்டு இடத்தை மறைக்க முயற்சிக்கவும் பரிந்துரைக்கப்படுகிறது (முறையானது பயனுள்ளதாக இருக்கும் உள்ளீடு பகுதியில் சுமார் 75% உங்கள் கையால் மூடப்பட்டிருக்கும்). ஏடிஎம் உற்பத்தியாளர்கள் உள்ளீட்டை மறைக்கும் சிறப்பு பாதுகாப்புத் திரைகளைப் பயன்படுத்த பரிந்துரைக்கப்படுகிறார்கள், அதே போல் மெக்கானிக்கல் அல்ல, ஆனால் தொடு உள்ளீடு பேனல்கள், தோராயமாக மாறும் எண்களின் நிலை.
ஆதாரம்: opennet.ru