Il nuovo approccio risolve un ostacolo di lunga data all'acquisizione di segnali video digitali, considerati troppo complessi per essere ricostruiti in modo affidabile a causa della loro codifica a 10 bit e delle propriet\u00e0 non lineari. I ricercatori hanno quindi formulato il problema come un'attivit\u00e0 inversa e sviluppato un modello di deep learning basato sull'architettura DRUNet. Questo modello converte i segnali elettromagnetici in un'immagine visiva. Un altro importante vantaggio del sistema \u00e8 che non richiede complesse misurazioni fisiche per ogni configurazione, poich\u00e9 utilizza l'analisi matematica e crea autonomamente i propri modelli di apprendimento.
Rispetto ai metodi precedenti, che presentavano un tasso di errore fino al 90%, il nuovo sistema lo riduce a meno del 30%. Nonostante i significativi progressi, i risultati sono tutt'altro che perfetti, poich\u00e9 il testo ricostruito contiene ancora una quantit\u00e0 considerevole di errori. Ci\u00f2 limita attualmente la possibilit\u00e0 di un utilizzo malevolo diretto nella pratica. La tecnologia funziona con hardware radio definito via software (SDR) comunemente disponibile e con un'estensione per GNU Radio. I ricercatori hanno inoltre reso pubblici il codice sorgente e un database di circa 7 gigabyte.
La scoperta riapre senza dubbio la questione della sicurezza degli schermi e della fuga di dati tramite interferenze elettromagnetiche. Per ridurre il rischio, gli esperti raccomandano l'utilizzo di cavi adeguati con una migliore schermatura elettromagnetica, anelli in ferrite e guaine appositamente certificate. I cavi e gli schermi comuni, in genere, non offrono lo stesso livello di protezione contro questo tipo di intercettazione.<\/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