En la era digital, la protección de la privacidad es cada vez más importante, pero quizás no sepas que incluso la radiación electromagnética de un cable HDMI puede ser un canal para filtrar información. Recientemente, un equipo de investigación de la Facultad de Ingeniería de la Universidad de la República de Uruguay logró, mediante inteligencia artificial (IA), recuperar el contenido de imágenes originales a partir de señales electromagnéticas filtradas por un cable HDMI.
El núcleo de esta investigación es un modelo de IA de extremo a extremo, centrado en la recuperación de texto, capaz de reducir la tasa de error de caracteres de la señal HDMI a aproximadamente el 30%. Puede parecer abstracto, pero imagina que en el extremo derecho está lo que se muestra en tu pantalla y en el medio el resultado final del modelo de IA; así podrás apreciar la potencia de esta tecnología.
Sabemos que, en comparación con las señales analógicas, las señales digitales como HDMI son más difíciles de recuperar, debido a que la codificación de 10 bits provoca un aumento del ancho de banda y una asignación no lineal entre la señal y la intensidad de los píxeles. Sin embargo, esta tecnología hace que las ondas electromagnéticas, antes difíciles de descifrar, sean decodificables.
El equipo de investigación comenzó capturando las ondas electromagnéticas emitidas por el cable y el conector HDMI mediante una antena. Luego, estas señales se recibieron a través de un dispositivo de radio definido por software (SDR) y se convirtieron en muestras digitales. A continuación, se procesaron las señales utilizando herramientas de software para extraer los datos de la imagen, que finalmente se introdujeron en el modelo de IA para el reconocimiento y mejora de la imagen.
La clave radica en el uso de la red neuronal convolucional Deep Residual U-Net (DRUNet), una arquitectura codificador-decodificador especialmente adecuada para tareas de restauración de imágenes. Al optimizar la estructura de la red y el proceso de entrenamiento, DRUNet mejoró significativamente la calidad de la restauración de la imagen, especialmente en la legibilidad del texto.
Para validar esta tecnología, el equipo creó un conjunto de datos de aproximadamente 3500 muestras para las pruebas. Los resultados mostraron que, en un conjunto de datos real, el modelo que utiliza muestras complejas presentó el mejor rendimiento en varios indicadores de evaluación. Los métodos tradicionales tenían una tasa de error de caracteres superior al 90% en conjuntos de datos reales, mientras que su modelo la redujo al 35.3%.
Esta investigación no solo demuestra el potencial de la IA en el campo de la seguridad de la información, sino que también nos recuerda que incluso una conexión HDMI, que parece segura, puede estar en riesgo de sufrir robos de información. Sin embargo, el equipo de investigación también propuso medidas preventivas, como agregar ruido de bajo nivel a la imagen de la pantalla o utilizar un degradado de fondo, para reducir eficazmente la tasa de éxito de las fugas electromagnéticas.
Dirección del proyecto: https://github.com/emidan19/deep-tempest
Dirección del artículo: https://arxiv.org/pdf/2407.09717