ИИ может узнать ПИН-код банковской карты даже при закрытой панели ATM

ИИ может узнать ПИН-код банковской карты даже при закрытой панели ATM

ИИ может узнать ПИН-код банковской карты даже при закрытой панели ATM

Исследователи в области кибербезопасности показали, как алгоритм машинного обучения может угадать ПИН-код банковской карты, даже если жертва закрывает рукой панель ввода. Узнать заветные четыре цифры получилось в 41% попыток.

Этот вектор атаки предполагает, что злоумышленникам сначала придётся создать точную копию атакуемого банкомата. Это важно, поскольку алгоритм будет учитывать расстояние между кнопками.

После этого преступники должны пустить в ход машинное обучение и научить алгоритм распознавать нажатия клавиш. Тренироваться можно по видеозаписям, на которых реальные клиенты банков вводят свои коды.

 

В рамках эксперимента специалисты собрали (PDF) 5800 видеозаписей, на которых 58 разных граждан вводили ПИН-коды от своих банковских карт. Параллельно Xeon E5-2670 с 128 ГБ оперативной памяти и три Tesla K20m с 5 ГБ оперативной памяти запускали ИИ-модель.

Используя три попытки ввода, что предусматривает каждый банкомат, исследователи смогли распознать 4-значный ПИН-код в 41% случаев. Само собой, расположение камеры играло ключевую роль в вычислении кодов, поскольку надо было учитывать как праворуких пользователей, так и левшей.

Если камера могла записывать аудио, модель экспертов также отмечала звучание каждой клавиши, что повышало шансы успешно угадать ПИН-код.

Дефекты кристаллов можно использовать для масштабирования кубитов

Исследователи из Университета штата Огайо и Чикагского университета выяснили, что дефекты кристаллической решётки алмаза — так называемые дислокации — могут быть использованы для масштабирования квантовых вычислителей.

В ходе работы учёные изучали азотно-замещённые вакансии (NV-центры) в кристаллах алмаза. Именно этот материал сегодня считается одной из ключевых платформ для твердотельных кубитов, лежащих в основе квантовых вычислительных систем.

Моделирование показало, что NV-центры способны улучшать квантовые свойства вблизи кристаллических дефектов. Кроме того, такие центры обладают уникальными оптическими характеристиками, что делает их перспективными не только для квантовых вычислений, но и для создания квантовых сенсоров.

Результаты исследования также показали, что NV-центры не нарушают оптический цикл и не мешают считыванию спиновых состояний. Более того, они сохраняют квантовую когерентность значительно дольше, чем в химически чистом алмазе. Учёные объясняют это тем, что дефекты формируют так называемые «часовые переходы», которые защищают кубит от внешнего магнитного шума.

«Хотя не все варианты расположения дефектов подходят для выполнения квантовых операций, результаты показывают, что значительная их часть соответствует требованиям для функционирования кубитов», — отметил соавтор работы Юй Цзинь, научный сотрудник Института Флэтайрон.

Авторы также указывают, что схожими свойствами обладают дефекты и в других материалах. По их мнению, управляемое размещение таких дефектов открывает новые возможности для дальнейшего масштабирования квантовых вычислений.

RSS: Новости на портале Anti-Malware.ru