Menguping percakapan pribadi adalah salah satu ancaman privasi yang paling umum dan tidak menyenangkan. Bukan alasan mengapa banyak orang merekatkan mikrofon dan kamera pada laptop untuk merahasiakan momen paling pribadi dan pribadi. Nah, saatnya untuk merekatkan lidar pada penyedot debu pintar Anda juga. Pasalnya, ilmuwan dari National University of Singapore telah menemukan cara menyadap ruangan dengan penyedot debu.
Baru-baru ini, para peneliti telah mengusulkan beberapa metode penyadapan melalui berbagai perangkat pintar dari "rumah pintar". Makalah ini menjelaskan LidarPhone - saluran serangan akustik baru melalui lidar, yang dilengkapi dengan penyedot debu robotik rumahan. Ide utamanya adalah untuk menggunakan kembali lidar agar berfungsi sebagai mikrofon laser yang dapat menangkap suara dari getaran halus yang diinduksi pada objek di sekitarnya.
Suara adalah gelombang tekanan yang merambat melalui getaran medium. Akibatnya, energi suara di lingkungan diinduksi sebagian ke objek di sekitarnya, menciptakan getaran fisik halus di dalam media padat ini. Konsep dasar LidarPhone adalah merasakan getaran yang ditimbulkan pada barang-barang rumah tangga menggunakan sensor lidar dari penyedot debu robot, dan kemudian memproses sinyal getaran yang direkam untuk memulihkan jejak suara. Metode penginderaan ini terinspirasi oleh prinsip mikrofon laser, yang menggunakan sinar laser yang dipantulkan untuk menangkap suara dari objek yang bergetar.
Cara kerja lidar yang murah
Meskipun mikrofon laser memerlukan penyesuaian yang rumit, sensor lidar yang berputar dilengkapi dengan setidaknya satu pemancar laser dan sensor refleksi. Ini memberikan kemampuan utama untuk mengubah lidar ke mikrofon. Tentu saja, implementasi praktis dari ide ini membutuhkan beberapa kesulitan untuk diatasi.
Salah satu masalah utama saat menggunakan lidar sebagai mikrofon laser adalah rasio signal-to-noise (SNR) yang sangat rendah dari sinyal yang dipantulkan. Hal ini sebagian disebabkan oleh fakta bahwa LidarPhone mengandalkan prinsip fisik yang berbeda dari mikrofon laser, meskipun terdapat kesamaan yang jelas pada tingkat tinggi. Mikrofon laser menargetkan bahan yang sangat reflektif (yaitu, menghasilkan pantulan specular), seperti jendela kaca SNR tinggi. Sebaliknya, amplifier lidar perangkat keras dan konverter analog-ke-digital (ADC) disetel agar sensitif hanya untuk sinyal intensitas rendah yang sebagian besar dipantulkan dari permukaan kasar seperti dinding, sehingga menghasilkan pantulan yang menyebar. Oleh karena itu, meskipun lidar menerima sinyal intensitas tinggi dari jendela kaca,dia tidak akan menerima informasi yang berguna.
Perbedaan antara refleksi spekular arah untuk mikrofon laser (kiri) dan refleksi difus dengan SNR rendah yang diterima oleh LidarPhone
Untuk mengatasi masalah SNR rendah, para ilmuwan telah menggunakan berbagai teknik pemrosesan sinyal, termasuk memfilter komponen frekuensi yang mengandung noise. Untuk lebih mengurangi efek kebisingan, mereka melakukan pengurangan kebisingan dengan mengurangi kebisingan yang diprofilkan secara dinamis menggunakan analisis spektral. Secara lebih rinci metode fisik dan matematika dijelaskan dalam karya ilmiah .
Masalah utama lainnya dalam pengembangan serangan LidarPhone adalah tingkat pengambilan sampel yang rendah dari lidar tersebut. Mengingat gerakan rotasinya, laju pengambilan sampel untuk satu titik pada target setara dengan laju rotasi lidar. Para ilmuwan meningkatkan kecepatan pengambilan sampel dengan mengalikan kecepatan lidar (5 Hz) dengan jumlah sampel per revolusi (360). Dengan demikian, laju pengambilan sampel telah meningkat dari 5 Hz menjadi 1,8 kHz, yang merupakan indikator penting saat melatih jaringan saraf.
LidarPhone dengan hati-hati memproses dan mengekstrak jejak sinyal audio dari pantulan laser yang awalnya berisik. Dengan cara ini, informasi rahasia ditangkap (misalnya, ucapan yang dipancarkan oleh pengeras suara komputer saat korban berpartisipasi dalam telekonferensi).
Dalam karya ilmiah ini, sebagai percobaan, serangan itu diujikan pada robot penyedot debu Xiaomi Roborock. Prototipe LidarPhone dilatih tentang angka-angka dari speaker komputer dan musik dari speaker TV: lebih dari 30 ribu sampel audio dengan total durasi rekaman audio lebih dari 19 jam. Hasilnya, LidarPhone menunjukkan akurasi rata-rata sekitar 91% dan 90% masing-masing saat mengklasifikasikan angka dan musik.
Dalam percobaannya, LidarPhone menerima informasi pembicaraan rahasia dari sinar laser yang dipantulkan dari benda bergetar terkecil, seperti tempat sampah atau kantong plastik. Ilustrasi di bawah ini memperlihatkan penampakan sinyal suara dengan pantulan dari berbagai objek.
Angka tersebut sesuai dengan suara dalam kata "sembilan" yang berasal dari a) audio aslinya; b) rekaman mikrofon dari jarak 3 meter; c) catatan lidar tempat sampah yang telah diproses; d) Paket IKEA. File suara yang sesuai dipublikasikan di bit.ly/lidarphone-sensys
LidarPhone mengatasi keterbatasan metode penyadapan telepon modern yang memerlukan beberapa jenis peralatan penyadapan untuk meningkatkan kemungkinan deteksi. Tidak ada bug atau peralatan asing di sini. Hanya penyedot debu biasa yang berdiri sederhana di sudut dan tidak menimbulkan kecurigaan.
Para peneliti menulis bahwa banyak sensor cahaya lain, termasuk yang ada di smartphone, secara teoritis dapat digunakan sebagai mikrofon. Baru-baru ini sejumlah makalah ilmiah mengungkap kasus penggunaan sensor non-akustik pada smartphone yang berpotensi memungkinkan Anda merekam percakapan tanpa izin. Kita berbicara tentang penggunaan akselerometer, giroskop, dan motor getaran ( 1 , 2 , 3 , 4 ).
Tetapi menggunakan smartphone untuk penyadapan itu sepele dan dapat diprediksi. Peralatan rumah tangga dengan lidar, yang tidak dapat diduga oleh siapa pun yang menguping percakapan, adalah masalah yang sama sekali berbeda. Seperti penyedot debu. Secara umum, perkembangan perangkat pintar di rumah kita membuka banyak peluang untuk jenis serangan akustik ini dengan menguping percakapan pribadi. Hal utama yang harus diingat adalah bahwa lidar sebenarnya adalah mikrofon laser yang sudah jadi.
Makalah penelitian dirilis pada 16 November 2020 di SenSys '20 Virtual Conference di Jepang.
