डिजिटल युग में, गोपनीयता संरक्षण का महत्व बढ़ता जा रहा है, लेकिन आप शायद नहीं सोचते कि HDMI डेटा केबल की विद्युत चुम्बकीय विकिरण भी जानकारी लीक करने का एक चैनल बन सकती है। हाल ही में, उरुग्वे गणराज्य विश्वविद्यालय के इंजीनियरिंग स्कूल की एक शोध टीम ने AI तकनीक के माध्यम से HDMI डेटा केबल से लीक हुए विद्युत चुम्बकीय संकेतों से मूल चित्र सामग्री को पुनर्स्थापित करने में सफलता हासिल की है।
इस शोध का मुख्य आधार एक एंड-टू-एंड AI मॉडल है, जो टेक्स्ट पुनर्स्थापन पर केंद्रित है, जो HDMI संकेतों की वर्ण त्रुटि दर को लगभग 30% तक कम कर सकता है। यह थोड़ा अमूर्त लग सकता है, लेकिन कल्पना करें कि सबसे दाईं ओर आपका कंप्यूटर स्क्रीन पर दिखाई दे रहा सामग्री है, और बीच में AI मॉडल द्वारा अंतिम आउटपुट परिणाम है, तो आप इस तकनीक की प्रभावशीलता को महसूस कर सकते हैं।
हमें पता है कि एनालॉग संकेतों की तुलना में, डिजिटल संकेत जैसे HDMI को पुनर्स्थापित करना अधिक कठिन है, क्योंकि 10-बिट कोडिंग के कारण बैंडविड्थ बढ़ता है और संकेत और पिक्सेल तीव्रता के बीच गैर-रेखीय मानचित्रण होता है। हालाँकि, इस तकनीक की उपस्थिति ने मूल रूप से पकड़ से बाहर विद्युत चुम्बकीय तरंगों को डिकोड करना संभव बना दिया है।
शोध टीम ने पहले एंटीना का उपयोग करके HDMI केबल और कनेक्टर द्वारा उत्पन्न विद्युत चुम्बकीय तरंगों को कैच किया, फिर सॉफ्टवेयर परिभाषित रेडियो (SDR) उपकरणों के माध्यम से इन संकेतों को प्राप्त किया और उन्हें डिजिटल नमूनों में परिवर्तित किया। इसके बाद, सिग्नल को प्रोसेस करने के लिए सॉफ्टवेयर टूल का उपयोग किया गया, चित्र डेटा निकाला गया, और अंततः इसे AI मॉडल में चित्र पहचान और सुधार के लिए इनपुट किया गया।
मुख्य बात यह है कि, उन्होंने गहन अवशिष्ट UNet (DRUNet) का उपयोग किया, जो एक एन्कोडर-डीकोडर संरचना वाला कन्वोल्यूशन न्यूरल नेटवर्क है, जो विशेष रूप से चित्र पुनर्स्थापन कार्यों के लिए उपयुक्त है। नेटवर्क संरचना और प्रशिक्षण प्रक्रिया को अनुकूलित करके, DRUNet ने चित्र पुनर्स्थापन की गुणवत्ता को काफी बढ़ा दिया, विशेष रूप से टेक्स्ट की पठनीयता के मामले में।
इस तकनीक की पुष्टि करने के लिए, टीम ने परीक्षण के लिए लगभग 3500 नमूनों का एक डेटासेट बनाया। परिणाम दिखाते हैं कि वास्तविक डेटा सेट पर, बहु-नमूना मॉडल कई मूल्यांकन मानकों पर सर्वश्रेष्ठ प्रदर्शन प्रदर्शित करता है। पारंपरिक विधियों में वास्तविक डेटा सेट पर वर्ण त्रुटि दर 90% से अधिक है, जबकि उनका मॉडल इस संख्या को 35.3% तक कम कर सकता है।
यह शोध न केवल AI के सूचना सुरक्षा क्षेत्र में अनुप्रयोग क्षमता को प्रदर्शित करता है, बल्कि यह भी याद दिलाता है कि, भले ही HDMI कनेक्शन सुरक्षित प्रतीत हो, जानकारी की चोरी का जोखिम हो सकता है। हालांकि, शोध टीम ने कुछ निवारक उपाय भी सुझाए हैं, जैसे कि डिस्प्ले चित्र पर निम्न स्तर का शोर जोड़ना या पृष्ठभूमि ग्रेडिएंट का उपयोग करना, जो विद्युत चुम्बकीय लीक के सफल होने की दर को प्रभावी ढंग से कम कर सकता है।
प्रोजेक्ट पता: https://github.com/emidan19/deep-tempest
पेपर का पता: https://arxiv.org/pdf/2407.09717
