Hola,
Es un gusto para mí invitarlos a la defensa del proyecto de fin de
carrera "Deep-tempest: Aprendizaje Profundo para Reconstrucción de
Imágenes Obtenidas de Emanaciones Electromagnéticas en Monitores HDMI"
de los estudiantes Santiago Fernández, Emilio Martínez y Gabriel Varela,
a quienes tuvimos el orgullo de dirigir junto con Pablo Musé.
Van abajo los detalles.
saludos
Federico
Cuándo: viernes 1/12 a las 10hs
Dónde: laboratorio de Software del IIE
Tribunal: Juan Diego Campo (INCO), Germán Capdehourat (IIE - Ceibal) y
Javier Preciozzi (IIE)
Resumen:
Con el uso universal del aprendizaje profundo o deep learning en la
mayoría de aplicaciones en la ingeniería, ciencia y también en la vida
cotidiana, es natural que surja la siguiente pregunta: ¿es posible
también aplicar deep learning en el espionaje? La respuesta es sí, y en
este trabajo se toma como foco de análisis las señales electromagnéticas
involuntarias producidas por dispositivos electrónicos. El espionaje de
este tipo de señales es conocido como "TEMPEST". En este trabajo, se
interceptan en particular las señales producidas por el cable utilizado
en el popular protocolo High-Definition Multimedia Interface (HDMI) para
audio y video.
En este proyecto llamado “deep-tempest” se realiza como prueba de
concepto el ejercicio de reconstruir imágenes espiadas a monitores,
donde se utiliza una antena como medio para capturar e inferir las
imágenes visualizadas en el monitor. Con ese objetivo en mente, se
utilizan redes profundas convolucionales para mejorar la visualización
de imágenes espiadas a monitores, los cuales se conectan a una
computadora mediante cable HDMI. El trabajo extiende el proyecto
"gr-tempest" que con el simple uso de una antena, un SDR (Software
Defined Radio) y el framework de software libre de GNU Radio permite
interceptar una imagen similar a la desplegada en el monitor espiado,
pero siendo esta una versión de menor calidad debido a las
características de la transmisión HDMI y la degradación por el proceso
de captura.
En el trabajo se modela la degradación de la imagen al ser interceptada
y se desarrollan métodos de reconstrucción de las imágenes para luego
ser comparados mediante métricas de desempeño, con especial énfasis en
la recuperación de texto. Se alcanzan resultados sustancialmente
superiores al trabajo que precede a este. En particular para el
reconocimiento de texto mediante Optical Character Recognition (OCR) se
superan los trabajos anteriores en un 61% del reconocimiento de letras
presentes en las imágenes capturadas.
Los resultados obtenidos del espionaje sirven para concientizar los
posibles peligros del uso de monitores con este tipo de cable. Tanto el
código desarrollado como la base de datos construida quedan a libre
disposición para cualquier trabajo posterior. A su vez, también se
mencionan contramedidas a las que puede recurrir un usuario de
computadora para protegerse de estos métodos, evitando la usurpación de
posible información sensible de la persona (mensajes privados,
contraseñas, etc).