Ein Forscherteam der Universidad de la República in Uruguay hat ein KI-basiertes System entwickelt, das unbeabsichtigte elektromagnetische Abstrahlungen von HDMI-Kabeln abfangen und rekonstruieren kann. Die Methode übertrifft bisherige Ansätze deutlich.
Wissenschaftler der Universidad de la República in Uruguay haben ein neues KI-System vorgestellt, das elektromagnetische Abstrahlungen von HDMI-Kabeln abfangen und daraus den Bildschirminhalt rekonstruieren kann.
Die als "Deep-TEMPEST" bezeichnete Methode nutzt Deep Learning, um die abgefangenen Signale in lesbare Bilder umzuwandeln. Das Phänomen, dass Kabel und Konnektoren unbeabsichtigt elektromagnetische Wellen abgeben, ist als „Tempest“ bekannt.
Laut den Forschern übertrifft ihr Ansatz bisherige Implementierungen deutlich. Bei der Rekonstruktion von Text konnten sie die durchschnittliche Zeichenfehlerrate um über 60 Prozentpunkte senken.
Das System basiert auf frei verfügbarer Software Defined Radio (SDR) Hardware und einer offenen Implementierung im GNU Radio Framework. Die Forscher stellen sowohl den Quellcode als auch einen Datensatz mit simulierten und echten Aufnahmen öffentlich zur Verfügung.
Rauschen und Farbverläufe schützen gegen Attacken
Im Vergleich zu analogen Schnittstellen wie VGA stellt HDMI aufgrund der 10-Bit-Kodierung und der höheren Bandbreite eine größere Herausforderung dar. Die vorgeschlagene Methode behandelt das Problem als inverses Problem und trainiert ein neuronales Netz, um das elektromagnetische Signal zurück in das dargestellte Bild zu übersetzen.
Diese Methode vermeidet die herkömmliche AM-Demodulation (Methode zur Extraktion von Informationen aus dem empfangenen elektromagnetischen Signal durch Analyse seiner Amplitude), die Informationsverluste verursacht, und nutzt stattdessen das komplexe Signal direkt.
Durch die Kombination von realen und simulierten Trainingsdaten wird die Genauigkeit der Bilderkennung erheblich verbessert. Das System basiert auf frei verfügbarer Software Defined Radio (SDR) Hardware und einer offenen Implementierung im GNU Radio Framework.
In Experimenten zeigte sich das System robust gegenüber Änderungen der Empfangsfrequenz. Bei einer Änderung der Bildschirmauflösung muss das System jedoch neu trainiert werden, um gute Leistung zu erzielen. Die Forscher schlagen vor, für verschiedene Konfigurationen separate Modelle zu trainieren.
Als mögliche Gegenmaßnahmen nennen die Wissenschaftler das Hinzufügen von Rauschen zum Bildschirminhalt oder die Verwendung von Farbverläufen im Hintergrund. Beides kann die Rekonstruktion erheblich erschweren. Sollten sich solche Abhörmethoden etablieren, müssten die Hersteller, insbesondere Microsoft für das Betriebssystem, wohl entsprechende Schutzmaßnahmen einführen.
Das Forscherteam sieht noch Potenzial für Verbesserungen, etwa durch die Nutzung mehrerer aufeinanderfolgender Signalsamples oder eine schnellere Implementierung für Echtzeit-Anwendungen. Sie hoffen, mit ihrer Arbeit die Forschung in diesem Bereich voranzutreiben.
