| Abstrakt: | Z počítača je obraz do monitora prenášaný ako tok RGB pixelov, ktorých intenzita je zakódovaná do príslušných napäťových úrovní signálu prenášaného káblom. V dôsledku pravidelného vysokofrekvenčného prenosu týchto signálov dochádza k nežiaducim emisiám elektromagnetických vĺn, z ktorých vieme vďaka softvéru TempestSDR vytvoriť pôvodný prenášaný obraz. Výstupný obraz je však zašumený, často až nečitateľný. Navyše, pri použití bežného vybavenia je možné odpočúvať obraz len z krátkej vzdialenosti, približne do 50 cm. V tejto práci navrhujeme dve metódy na zlepšenie kvality zachyteného obrazu. Prvý prístup spočíva v použití smerovej Yagi-Uda antény, zosilňovača signálu a pásmovej priepuste. Týmto spôsobom sa nám podarilo zvýšiť vzdialenosť zachytenia obrazu na približne 20 m. Zachytený obraz je však stále zašumený, preto v našom druhom prístupe využívame hlboké strojové učenie. Vytvorili sme skripty, ktoré automatizujú TempestSDR a celkovú tvorbu datasetu. To nám umožnilo vytvoriť rozsiahly dataset pokrývajúci bežné scenáre pri práci s počítačom. Vybrali sme dve konvolučné neurónové siete zamerané na rekonštrukciu obrazu, ktoré sme na našom datasete natrénovali a následne porovnali pomocou štandardných metrík. Výsledkom je výrazné zlepšenie rekonštruovaného obrazu vo všetkých testovaných parametroch. Trénované modely sme integrovali do TempestSDR, čím sme značne zjednodušili kvalitnú rekonštrukciu obrazu pre koncového používateľa. Naše zistenia poukazujú na reálnu zraniteľnosť monitorov a potrebu preventívnych opatrení pre zvýšenie ich bezpečnosti.
|
|---|