محققانی از دانشگاه‌های مختلف، از جمله دانشگاه کالیفرنیا، حمله‌ای به نام «Mic‑E‑Mouse» توسعه دادن که ماوس‌های گیمینگ با حساسیت بالا (DPI و polling rate بالا) رو به میکروفون‌های پنهان تبدیل می‌کنه.

سنسورهای این ماوس‌ها با اینکه برای ثبت حرکت طراحی شدن، بلکه ارتعاشات آکوستیکی میز رو هم ناخواسته ضبط می‌کنن. این موضوع به محققان اجازه داده تا به‌جای روش‌های سنتی جاسوسی، از یک پایپلاین ترکیبی پردازش سیگنال و یادگیری ماشین استفاده کنن و داده‌های خام موس رو به گفتار قابل‌فهم تبدیل کنن، حتی بدون میکروفون واقعی یا فعال.

روند کار به این صورته که ماوس خیلی حساس روی میزه و یه برنامه آلوده (مثلاً بازی) به داده‌های خام HID دسترسی داره. از اونجایی که داده‌ها ممکنه با زمان‌بندی نامنظم ثبت شده باشن، پس اول زمان‌بندی نمونه‌ها اصلاح می‌شه تا همه روی یک نرخ نمونه‌برداری قرار بگیرن. بعد با فیلترهای دیجیتال، فقط بازه فرکانسی مهم برای گفتار (~۲۰۰–۲۰۰۰ هرتز) جدا می‌شه تا بقیه فرکانس‌ها حذف شن. چون حسگر ممکنه پاسخ فرکانسی خطی نداشته باشه، با کالیبراسیون اثرهای غیرخطی جبران می‌شن. در نهایت مدل‌های یادگیری ماشین، نویزِ باقی‌مونده رو کم می‌کنن و از سیگنال ارتعاشی، موج صوتی شنیدنی می‌سازن.


آزمایش‌ها نشون دادن این حمله در دنیای واقعی هم جواب می‌ده! از
مزایای این روش نیاز فقط به دسترسی نرم‌افزاری و سخت‌افزار معمولی، بدون میکروفون اضافی، و قابل اجرا برای کاربران خانگی یا سازمانیه!
با این حال کیفیت وابسته به محیطه (کثیفی یا نویز بالا عملکرد رو کم می‌کنه) و فعلاً نیاز به پردازش آفلاین هم وجود داره، محققان می‌گن با الگوریتم‌ها یا فیلترهای تطبیقی این‌ موارد قابل‌بهبودن.

موارد استفاده هم می‌تونه جاسوسی در محل کار یا خونه، استخراج اطلاعات حساس، سوءاستفاده در سیستم‌های امنیتی که ماوس ورودی‌شونه، و به‌کارگیری در روبات‌ها/IoT یا دستگاه‌های پوشیدنی برای نظارت پنهان باشه.




خلاصه این مقاله رو می‌تونید تو این لینک و نسخه کاملش رو هم اینجا مطالعه کنید.


📡openpcb