Эксперт: Web Audio API можно использовать для снятия цифрового отпечатка

Эксперт: Web Audio API можно использовать для снятия цифрового отпечатка

Эксперт: Web Audio API можно использовать для снятия цифрового отпечатка

Сэмюэл Уилер, специалист в области кибербезопасности, работающий с MIT CSAIL и W3C Privacy Interest Group (PING), выразил обеспокоенность относительно использования Web Audio API, позволяющего создавать звуки прямо в браузере. По мнению эксперта, злоумышленник может задействовать этот API для несанкционированной передачи ультразвука.

Уилер утверждает, что в потенциальном сценарии атаки злоумышленник может заставить жертву включить Web Audio API для передачи звуковых сигналов, недоступных для человеческого уха.

В результате, по мнению специалиста, передаваемые аудиосигналы можно использовать для снятия цифрового отпечатка устройства.

Уилер предлагает снизить риски использования Web Audio API, однако у одного из разработчиков Google есть другое мнение на этот счёт.

Реймонд Той считает, что достаточно позволить разработчикам работать исключительно с одной частотой дискретизации. Хотя со стороны отдельных разработчиков можно услышать негодование: ограничение доступной частоты может спровоцировать сдвиг фаз.

Напомним, что раньше различные специалисты в области безопасности не раз обращали внимание на опасность звуковых сигналов за пределами человеческого слуха. По их словам, эти сигналы представляют угрозу для конфиденциальности пользователей.

AM LiveПодписывайтесь на канал "AM Live" в Telegram, чтобы первыми узнавать о главных событиях и предстоящих мероприятиях по информационной безопасности.

Челябинские ученые предложили систему защиты от сбоев промышленных систем

Чтобы защитить промышленные системы от атак и сбоев, коллектив исследователей из Южно-Уральского государственного университета (ЮУрГУ) предложил подход, основанный на принципах поведенческой аналитики. В основе решения лежит нейросеть Кохонена.

Результаты исследования российских специалистов опубликованы в сборнике International Conference on Industrial Engineering, Applications and Manufacturing (ICIEAM).

Разработанная в ЮУрГУ система работает в два этапа. Сначала она анализирует функционирование объекта в нормальном режиме и формирует эталонную модель. Затем переходит в режим мониторинга и оценивает поступающие данные, сравнивая их с полученной «нормой». При обнаружении значительных отклонений нейросеть подаёт сигнал о потенциально опасной ситуации.

Во время тестирования система правильно классифицировала 94% данных. Обучение нейросети заняло около 3,5 минут. Кроме того, решение успешно выявило действия, характерные для кибератак на промышленные объекты.

Разработчики планируют повысить точность модели и расширить её возможности для распознавания различных, в том числе сложных, сценариев атак.

«Ключевое преимущество нашего подхода — использование нейросети Кохонена, которая способна работать с большими массивами данных, когда показателей много и они тесно взаимосвязаны. Классические алгоритмы часто не справляются с такими объёмами и сложностью», — рассказал РИА Новости заведующий кафедрой «Защита информации» ЮУрГУ Александр Соколов.

AM LiveПодписывайтесь на канал "AM Live" в Telegram, чтобы первыми узнавать о главных событиях и предстоящих мероприятиях по информационной безопасности.

RSS: Новости на портале Anti-Malware.ru