Der neue Ansatz l\u00f6st ein langj\u00e4hriges Problem bei der Erfassung digitaler Videosignale, die aufgrund ihrer 10-Bit-Codierung und nichtlinearen Eigenschaften als zu komplex f\u00fcr eine zuverl\u00e4ssige Rekonstruktion galten. Die Forscher formulierten das Problem daher als inverse Aufgabe und entwickelten ein Deep-Learning-Modell auf Basis der DRUNet-Architektur. Dieses wandelt elektromagnetische Signale wieder in ein visuelles Bild um. Ein weiterer wichtiger Vorteil des Systems besteht darin, dass es keine aufwendigen physikalischen Messungen f\u00fcr jede Konfiguration ben\u00f6tigt, da es mathematische Analysen nutzt und eigene Lernmuster generiert.
Im Vergleich zu \u00e4lteren Methoden mit einer Fehlerquote von bis zu 90 Prozent reduziert das neue System diese auf unter 30 Prozent. Trotz dieser deutlichen Fortschritte sind die Ergebnisse noch nicht perfekt, da der rekonstruierte Text weiterhin zahlreiche Fehler enth\u00e4lt. Dies schr\u00e4nkt derzeit die M\u00f6glichkeit eines direkten Missbrauchs in der Praxis ein. Die Technologie ist mit g\u00e4ngiger Software-Defined-Radio-Hardware und einer Erweiterung f\u00fcr GNU Radio kompatibel. Die Forscher haben zudem den Quellcode und eine Datenbank von rund 7 Gigabyte \u00f6ffentlich zug\u00e4nglich gemacht.
Die Entdeckung wirft zweifellos erneut die Frage nach der Sicherheit von Bildschirmen und dem elektromagnetischen Datenleck auf. Um das Risiko zu minimieren, empfehlen Experten die Verwendung geeigneter Kabel mit verbesserter elektromagnetischer Abschirmung, Ferritringen und speziell zertifizierten Geh\u00e4usen. Herk\u00f6mmliche Kabel und Schirme bieten in der Regel nicht denselben Schutz gegen diese Art des Abh\u00f6rens.<\/p>","protected":false},"excerpt":{"rendered":"
Novi pristop re\u0161uje dolgoletno oviro prestrezanja digitalnih video signalov, ki so zaradi 10-bitnega kodiranja in svojih nelinearnih lastnosti veljali za preve\u010d zapletene za zanesljivo rekonstrukcijo. Raziskovalci so zato problem zastavili kot obratno nalogo in razvili model globokega u\u010denja, ki temelji na arhitekturi DRUNet. Ta elektromagnetne signale pretvarja nazaj v vizualno podobo. Pomembna prednost sistema je […]<\/p>","protected":false},"author":2,"featured_media":0,"comment_status":"","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[4],"tags":[192],"class_list":["post-8368","post","type-post","status-publish","format-standard","hentry","category-racunalnistvo-telefonija","tag-umetna-inteligenca"],"acf":{"subtitle":"Raziskovalci z univerze v Montevideu so razvili sistem Deep-TEMPEST, ki s pomo\u010djo umetne inteligence sestavi vsebino zaslona na podlagi elektromagnetnega sevanja kablov HDMI. Nova metoda sicer temelji na konceptu, znanem \u017ee iz \u010dasov analogne tehnologije VGA, vendar ga uspe\u0161no prena\u0161a tudi v digitalno okolje.","heading":"","summary":"Sistem Deep-TEMPEST omogo\u010da zajem besedila z zaslona prek elektromagnetnih emisij HDMI kablov s pomo\u010djo umetne inteligence, pri \u010demer stopnja napak ostaja pod 30 odstotki, re\u0161itev pa zahteva stro\u017ejo za\u0161\u010dito kablov.","thumbnail_small":"https:\/\/racunalniske-novice.com\/wp-content\/uploads\/2026\/11\/pexels-kampus-8353774-560x315.jpg","thumbnail_large":"https:\/\/racunalniske-novice.com\/wp-content\/uploads\/2026\/11\/pexels-kampus-8353774-1024x684.jpg","thumbnail_caption":"Foto: Pexels","gallery":"","video_gallery":null,"author":"","links":null,"sources":[{"title":"hwupgrade","url":"https:\/\/www.hwupgrade.it\/news\/sicurezza-software\/spiare-un-monitor-dal-cavo-hdmi-un-ia-azzecca-oltre-7-caratteri-su-10_161831.html"}],"skip_language":[]},"yoast_head":"\n