Fugu-MT 論文翻訳(概要): Acoustic Side Channel Attack on Keyboards Based on Typing Patterns

論文の概要: Acoustic Side Channel Attack on Keyboards Based on Typing Patterns

arxiv url: http://arxiv.org/abs/2403.08740v1
Date: Wed, 13 Mar 2024 17:44:15 GMT
ステータス: 処理完了
システム内更新日: 2024-03-17 13:28:07.673435
Title: Acoustic Side Channel Attack on Keyboards Based on Typing Patterns
Title（参考訳）: タイピングパターンに基づくキーボードのアコースティックサイドチャネル攻撃
Authors: Alireza Taheritajar, Reza Rahaeimehr,
Abstract要約: キーボードに対するサイドチャネル攻撃は、入力デバイスとしてキーボードを使用する多くのシステムにおけるセキュリティ対策をバイパスすることができる。本稿では,現実的な環境におけるユーザのタイピングパターンを考慮に入れた適用方法を提案する。本手法は実世界のシナリオを考慮した場合, ケーススタディ全体で平均43%の成功率を達成した。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Acoustic side-channel attacks on keyboards can bypass security measures in many systems that use keyboards as one of the input devices. These attacks aim to reveal users' sensitive information by targeting the sounds made by their keyboards as they type. Most existing approaches in this field ignore the negative impacts of typing patterns and environmental noise in their results. This paper seeks to address these shortcomings by proposing an applicable method that takes into account the user's typing pattern in a realistic environment. Our method achieved an average success rate of 43% across all our case studies when considering real-world scenarios.
Abstract（参考訳）: キーボードに対する音響サイドチャネル攻撃は、キーボードを入力装置の1つとして使用する多くのシステムにおけるセキュリティ対策を回避できる。これらの攻撃は、キーボードが入力する音をターゲットにすることで、ユーザのセンシティブな情報を明らかにすることを目的としている。この分野での既存のアプローチは、入力パターンと環境騒音の負の影響を無視している。本稿では,現実的な環境におけるユーザのタイピングパターンを考慮に入れた適用方法を提案する。本手法は実世界のシナリオを考慮した場合, ケーススタディ全体で平均43%の成功率を達成した。

関連論文リスト

TapType: Ten-finger text entry on everyday surfaces via Bayesian inference [32.33746932895968]
TapTypeは、受動的表面のフルサイズのタイピングのためのモバイルテキスト入力システムである。バンド内の慣性センサーから、TapTypeは、表面タップと従来のQWERTYキーボードレイアウトをデコードして関連付ける。
論文参考訳（メタデータ） (2024-10-08T12:58:31Z)
OverHear: Headphone based Multi-sensor Keystroke Inference [1.9915929143641455]
我々は,ヘッドホンの音響および加速度計データを活用するキーストローク推論フレームワークを開発した。メカニカルキーボードのキー予測精度は,メカニカルキーボードのキー予測精度が約80%,膜キーボードのキー予測精度が約60%である。その結果,現実シナリオの文脈におけるアプローチの有効性と限界が浮き彫りになった。
論文参考訳（メタデータ） (2023-11-04T00:48:20Z)
A Survey on Acoustic Side Channel Attacks on Keyboards [0.0]
メカニカルキーボードは、アコースティックサイドチャネルアタックの影響を受けやすい。研究者らは、周囲の騒音からタイプされたキーストロークを抽出する手法を開発した。マイクロホン技術の改善により、アコースティックサイドチャネル攻撃に対する潜在的な脆弱性も増大する。
論文参考訳（メタデータ） (2023-09-20T02:26:53Z)
How adversarial attacks can disrupt seemingly stable accurate classifiers [76.95145661711514]
敵攻撃は、入力データに不連続な修正を加えることで、非正確な学習システムの出力を劇的に変化させる。ここでは,これは高次元入力データを扱う分類器の基本的特徴であると考えられる。実用システムで観測される重要な振る舞いを高い確率で発生させる、単純で汎用的なフレームワークを導入する。
論文参考訳（メタデータ） (2023-09-07T12:02:00Z)
Typing on Any Surface: A Deep Learning-based Method for Real-Time Keystroke Detection in Augmented Reality [4.857109990499532]
空中キーボードインターフェース、ワイヤレスキーボード、または音声入力は、エルゴノミクス設計が貧弱で、精度が限られているか、単に公の場で使うのが恥ずかしい。本稿では、ユーザ視点のRGBビデオストリームから、ARアプリケーションがキーストロークを正確に予測できるディープラーニングベースのアプローチを提案し、検証する。既製ハンドランドマーク抽出器と,適応型畳み込みリカレントニューラルネットワーク(C-RNN)を併用した2段階モデルを開発した。
論文参考訳（メタデータ） (2023-08-31T23:58:25Z)
A Practical Deep Learning-Based Acoustic Side Channel Attack on Keyboards [6.230751621285321]
本稿では,スマートフォン内蔵マイクを用いてノートパソコンのキーストロークを分類するために,最先端のディープラーニングモデルを提案する。近くの電話機で記録されたキーストロークで訓練すると、分類器は95%の精度を達成し、言語モデルを用いずに見られる最高精度を達成した。この一連の攻撃からユーザを保護するための一連の緩和手法について論じる。
論文参考訳（メタデータ） (2023-08-02T10:51:36Z)
To Wake-up or Not to Wake-up: Reducing Keyword False Alarm by Successive Refinement [58.96644066571205]
既存の深層キーワードスポッティング機構は逐次リファインメントにより改善可能であることを示す。 13Kパラメーターから2.41Mパラメーターまで、複数のモデルにまたがって、連続精製法はFAを最大8.5%削減する。提案手法は"plug-and-play"であり,任意の深いキーワードスポッティングモデルに適用できる。
論文参考訳（メタデータ） (2023-04-06T23:49:29Z)
Push-Pull: Characterizing the Adversarial Robustness for Audio-Visual Active Speaker Detection [88.74863771919445]
我々は、音声のみ、視覚のみ、および音声-視覚的敵対攻撃下でのAVASDモデルの脆弱性を明らかにする。また,攻撃者が現実的な相手を見つけるのを困難にするため,新たな音声・視覚的相互作用損失(AVIL)を提案する。
論文参考訳（メタデータ） (2022-10-03T08:10:12Z)
Deepfake audio detection by speaker verification [79.99653758293277]
本研究では,話者の生体特性のみを活用する新しい検出手法を提案する。提案手法は,既成話者検証ツールに基づいて実装することができる。そこで我々は,3つの一般的なテストセット上で,優れた性能,高い一般化能力,高ロバスト性を有する音声障害に対する高ロバスト性を検証した。
論文参考訳（メタデータ） (2022-09-28T13:46:29Z)
Crack detection using tap-testing and machine learning techniques to prevent potential rockfall incidents [68.8204255655161]
本稿では,岩盤の自動探傷システムを提案する。ロボットは、岩面を何度も打ったり、タップしたりするのに使用される。音はロボットによって収集され、壊れやすい岩を識別する意図で分類される。
論文参考訳（メタデータ） (2021-10-10T22:53:36Z)
Adv-BERT: BERT is not robust on misspellings! Generating nature adversarial samples on BERT [95.88293021131035]
しかし、悪意のある敵のインスタンスがしばしば存在するのではなく、テクトナチュラルなシナリオでモデルがどのように機能するかは定かではない。この研究は、NLPにおける最先端のTransformerスタイルモデルであるBERTの、ノイズの多いデータを扱うための頑健さを体系的に探求する。
論文参考訳（メタデータ） (2020-02-27T22:07:11Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。