O Deep-TEMPEST é uma técnica que usa inteligência artificial para reconstruir imagens de uma tela a partir de sinais eletromagnéticos emitidos por cabos HDMI.
Segundo uma pesquisa recente, a captação pode ser feita através de paredes, sem instalar arquivos no computador ou acessar a rede.
Os sinais captados são usados para gerar imagens da tela. Na demonstração, o resultado inclui textos legíveis e janelas abertas na área de trabalho.
Como funciona o Deep-TEMPEST
A técnica tem como base os ataques TEMPEST, usados há anos por agências de inteligência para interceptar sinais eletromagnéticos emitidos por equipamentos eletrônicos.
Nos cabos VGA antigos, esses sinais eram mais simples de reconstruir com um osciloscópio, aparelho usado para visualizar sinais elétricos.
Já o HDMI transmite uma grande quantidade de dados em alta frequência, o que dificultava a reconstrução das imagens a partir dos sinais captados pelo ar.
De acordo com @buckberi, os pesquisadores treinaram uma rede de inteligência artificial para reduzir interferências e organizar os sinais recebidos por um rádio definido por software.
O sistema também foi preparado para lidar com a perda de sinal causada pela distância e pela blindagem dos cabos.
Na demonstração, a técnica transformou imagens borradas em uma reprodução da tela em tempo real, com textos e janelas identificáveis.
O que é necessário para realizar o ataque
A pesquisa indica que uma pessoa próxima a um escritório poderia captar os sinais com uma antena e um receptor de rádio de baixo custo apontado para o alvo.
Como a técnica depende da interceptação por rádio, não há malware, pacotes de rede ou alteração física no computador que indiquem que a imagem está sendo observada.
Entre as medidas citadas para reduzir o risco estão cabos com maior blindagem, filtros de ferrite e gabinetes especializados com certificação TEMPEST.
- Leia também: Inteligência artificial vai ajudar os humanos a superar a morte natural, segundo executivo da OpenAI
Monitores convencionais e cabos HDMI baratos continuam sujeitos a esse tipo de captação. A demonstração também mostra como o avanço dos sistemas de aprendizado de máquina pode trazer novos riscos à privacidade digital.
