Un nuevo método de ataque acústico de canal lateral ha sido demostrado por investigadores, capaz de deducir la entrada del usuario en función de sus patrones de escritura. Aunque el éxito promedio del ataque es del 43%, lo cual es significativamente menor que otros métodos presentados previamente, no requiere condiciones de grabación controladas ni una plataforma específica de escritura.
Características del ataque acústico
El método se basa en el uso de emisiones sonoras distintivas generadas por las pulsaciones de teclas y el patrón de escritura del usuario. Estos datos se recopilan mediante software especializado, permitiendo la creación de un conjunto de información que puede ser utilizado para identificar entradas.
Para lograr este objetivo, es necesario obtener muestras de escritura del objetivo, ya que las pulsaciones y palabras específicas pueden correlacionarse con las ondas sonoras capturadas. El ataque podría implementarse a través de diversos medios como malware, sitios web maliciosos o extensiones de navegador.
La grabación puede realizarse mediante un micrófono oculto cercano al usuario o de forma remota usando dispositivos comprometidos en la zona, como teléfonos inteligentes, computadoras portátiles o parlantes inteligentes. El conjunto de datos capturado incluye muestras de tipeo en diversas condiciones, lo cual exige múltiples sesiones de escritura para garantizar el éxito del ataque.
Modelo estadístico y precisión
El conjunto de datos se utiliza para entrenar un modelo estadístico que produce un perfil completo de los patrones de escritura individuales del objetivo, basado en los intervalos de tiempo entre pulsaciones. Los investigadores destacan la importancia de aceptar una desviación del 5% en el modelo, ya que el comportamiento al escribir varía ligeramente incluso cuando una persona escribe la misma palabra dos veces.
Por ejemplo, cualquier intervalo registrado entre A y B que se encuentre entre 95 milisegundos (100 – 5%) y 105 milisegundos (100 + 5%) podría considerarse una coincidencia. Esta desviación ayuda a mitigar el impacto de los errores o ruido en la grabación, asegurando que las discrepancias menores no provoquen una falta de coincidencia.
El método predice el texto escrito analizando grabaciones de audio de la actividad del teclado. La precisión se mejora al filtrar las predicciones a través de un diccionario de inglés.
Limitaciones y condiciones
El ataque puede alcanzar una precisión promedio del 43% incluso cuando las grabaciones contienen ruido ambiental, se llevaron a cabo en diferentes modelos de teclado o se tomaron con un micrófono de baja calidad. Además, el objetivo puede escribir sin seguir un estilo específico.
No obstante, existen limitaciones que pueden hacer que el ataque sea ineficaz. Por ejemplo, es difícil perfilar a personas que rara vez usan una computadora y no han desarrollado un patrón de mecanografía consistente, o a los mecanógrafos profesionales que escriben muy rápido.
Los resultados de las pruebas con 20 sujetos muestran un amplio rango de éxito, desde el 15% hasta el 85%, lo cual indica que algunos sujetos son más predecibles y susceptibles que otros. Los investigadores también observaron que la amplitud de la forma de onda producida se acentúa menos cuando se utilizan teclados silenciosos, lo que puede obstaculizar la eficacia del entrenamiento para el modelo de predicción.