


紙の QR コードは空中でも改ざんされる可能性があり、100 メートル離れたところから痕跡のない攻撃を受けると、即座に悪意のある Web サイトの入り口に変わる可能性があります。
さて、印刷された紙の QR コードは安全ではない可能性があります。
レーザー照射により、攻撃者は 100 メートル離れた場所からでも数分で改ざんできます。 さらに恐ろしいのは、この種のレーザーは肉眼ではまったく見えないということです。
通常の QR コードが、誤って悪意のある Web サイトへの入り口になる可能性があります。
最近、日本の東海大学の研究者らは、長距離かつ超極秘の QR コード改ざん手法を開発しました。攻撃後の QR コードは、攻撃中は見えないだけでなく、肉眼でも通常の QR コードと何ら変わりません。
このような攻撃は一般ユーザーを対象としたものであり、防ぐことはほぼ不可能です。
では、科学研究者はどうやって注目を集めずに「状況を変えるチャンスをこっそりと取る」のでしょうか?
レーザー照射により情報ポイントの「色」が変化します
この問題を説明するには、まず QR コード スキャンの基本原理を理解する必要があります
(この記事の「QR コード」とは、最も一般的な QR タイプの QR コードを指します)通常、私たちが目にする QR コードは、アンカー ポイント、フォーマットとマスクの情報領域、情報領域、修正領域、エラー領域で構成されます。構成下図の2(サイズ)M(誤り訂正レベル)型QRコードは一例で、25×25の格子点で構成されており、そのうち7×は左上、左下、右下のエリア 7 がアンカーポイントです。図の
##D1~D28 と E1~E16 はそれぞれデータとエラー訂正フィールドを表し、青色の領域はフォーマットとマスク情報の領域です# #データ フィールドは、最初に元のテキストによってグループ化され、次に特定の処理方法を使用して
バイナリ文字列
に変換されます (QR コードでは
を表します。 エラー修正フィールドは、その名前が示すように、生成およびスキャン プロセス中のエラーを回避するように設計されており、リードに基づいたデータ フィールドで構成されています。ソロモンアルゴリズム世代、誤り訂正レベルに応じて長さも異なります。 フォーマットおよびマスク情報領域には、QR コードのエンコード方法 (プレーン テキストからバイナリ文字列へ) とマスク操作が保存されます。
マスクは、スキャン結果に影響を与える特定のパターンを回避するためのものです。変換演算は元の格子に対して一定の規則に従って実行され、その演算方法はマスク情報領域に格納されます。読み取りプロセスは、最初に位置決め点をキャプチャします。
次に、画像上のノイズを修正および軽減し、次にフォーマットとフォーマットを決定します。マスク 領域の位置を読み取り、 データ フィールドをデコードする方法を学習します。 この実験では、研究者は、QR コード情報を段階的にカバーすることにより、2 つの QR コード間のハイブリッド中間体 を構築しました。 この中間には キー カラー ブロック
が含まれており、その色によって実際に読み取られる 2 次元画像が決まります。どのコードが該当するかが決まります。それ?
科学者は、このカラーブロックに肉眼では見えないレーザーを照射して、カメラの認識結果を判断できます。照射後は、
肉眼では違いは分かりませんが、カメラの視点から見ると、元々黒だったモジュールが白として認識されます##。
次の図は、人間の目とカメラが認識できる波長の範囲を比較しています。低照度環境では、人間の目は 600 ナノメートルを超える光をほとんど認識できません。明るい環境でも 700 ナノメートルを超える光を見ることは不可能です
この実験では、研究者らは 10 ミリワットの 635 nm (赤色可視光) と 785 nm (赤外線) の光を使用して、さまざまな距離で QR コードを照射しました。 ここで、0 ~ 50 メートルは実際の距離です、100 メートルの距離は鏡面反射によって達成されます。 結果は、10 ~ 40 メートルの距離では、光の両方の波長が QR コードによって示されるリンクであることを示しています。偽の URL に正常に変更できます; 50 メートルの距離では、可視光で処理された QR コードは両方の URL をスキャンできますが、赤外線は依然として改ざんに成功する可能性があります ; At 100メートル離れたところに2つの波長の光を照射すると、QRコードの表示結果が交互に現れる 将来的には研究者も増加する予定攻撃距離は1キロメートル。 ただし、この実験では、改ざんされた情報ポイントの位置を特定するためにレーザーの焦点を合わせるためのレンズが必要です。 光路内の 気流の乱れが明らかな場合は、このプロセスに影響を与えるため、遠距離攻撃ではさらに不確実な要素が多くなります。 QR コードの前の空気の流れが時々乱される限り、レーザーはその位置を見つけることができません。これは、この種の攻撃を防御するために提供される可能性でもあります。 一部のネチズンは、QR コードで、レーザーを「乾かす」ためにレーザーを前からあおぐ方が効果的かもしれないと冗談を言いました。論文の著者は、気流の乱れに加えて、QR コードの所有者も攻撃を回避するために改ざん防止素材を使用できると述べました。 One More Thing 自律制御を妨害するケースがいくつかあります。 QR コードを改ざんしたり、交通標識にレーザーを照射したりしてシステムを運転する #論文アドレス (日本語): http://id.nii.ac.jp/1001/00228597/
以上が紙の QR コードは空中でも改ざんされる可能性があり、100 メートル離れたところから痕跡のない攻撃を受けると、即座に悪意のある Web サイトの入り口に変わる可能性があります。の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

ホットAIツール

Undresser.AI Undress
リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover
写真から衣服を削除するオンライン AI ツール。

Undress AI Tool
脱衣画像を無料で

Clothoff.io
AI衣類リムーバー

Video Face Swap
完全無料の AI 顔交換ツールを使用して、あらゆるビデオの顔を簡単に交換できます。

人気の記事

ホットツール

メモ帳++7.3.1
使いやすく無料のコードエディター

SublimeText3 中国語版
中国語版、とても使いやすい

ゼンドスタジオ 13.0.1
強力な PHP 統合開発環境

ドリームウィーバー CS6
ビジュアル Web 開発ツール

SublimeText3 Mac版
神レベルのコード編集ソフト(SublimeText3)

ホットトピック











0.この記事は何をするのですか?私たちは、多用途かつ高速な最先端の生成単眼深度推定モデルである DepthFM を提案します。従来の深度推定タスクに加えて、DepthFM は深度修復などの下流タスクでも最先端の機能を実証します。 DepthFM は効率的で、いくつかの推論ステップ内で深度マップを合成できます。この作品について一緒に読みましょう〜 1. 論文情報タイトル: DepthFM: FastMonocularDepthEstimationwithFlowMatching 著者: MingGui、JohannesS.Fischer、UlrichPrestel、PingchuanMa、Dmytr

従来のコンピューティングを超える能力を備えているだけでなく、より低コストでより効率的なパフォーマンスを実現する人工知能モデルを想像してみてください。これは SF ではありません。世界で最も強力なオープンソース MoE モデルである DeepSeek-V2[1] が登場しました。 DeepSeek-V2 は、経済的なトレーニングと効率的な推論の特徴を備えた強力な専門家混合 (MoE) 言語モデルです。これは 236B のパラメータで構成されており、そのうち 21B は各マーカーをアクティブにするために使用されます。 DeepSeek67B と比較して、DeepSeek-V2 はパフォーマンスが優れていると同時に、トレーニング コストを 42.5% 節約し、KV キャッシュを 93.3% 削減し、最大生成スループットを 5.76 倍に高めます。 DeepSeek は一般的な人工知能を研究する会社です

AI は確かに数学を変えつつあります。最近、この問題に細心の注意を払っている陶哲軒氏が『米国数学協会会報』(米国数学協会会報)の最新号を送ってくれた。 「機械は数学を変えるのか?」というテーマを中心に、多くの数学者が意見を述べ、そのプロセス全体は火花に満ち、ハードコアで刺激的でした。著者には、フィールズ賞受賞者のアクシャイ・ベンカテシュ氏、中国の数学者鄭楽軍氏、ニューヨーク大学のコンピューター科学者アーネスト・デイビス氏、その他業界で著名な学者を含む強力な顔ぶれが揃っている。 AI の世界は劇的に変化しています。これらの記事の多くは 1 年前に投稿されたものです。

Boston Dynamics Atlas は正式に電動ロボットの時代に突入します!昨日、油圧式アトラスが歴史の舞台から「涙ながらに」撤退したばかりですが、今日、ボストン・ダイナミクスは電動式アトラスが稼働することを発表しました。ボストン・ダイナミクス社は商用人型ロボットの分野でテスラ社と競争する決意を持っているようだ。新しいビデオが公開されてから、わずか 10 時間ですでに 100 万人以上が視聴しました。古い人が去り、新しい役割が現れるのは歴史的な必然です。今年が人型ロボットの爆発的な年であることは間違いありません。ネットユーザーは「ロボットの進歩により、今年の開会式は人間のように見え、人間よりもはるかに自由度が高い。しかし、これは本当にホラー映画ではないのか?」とコメントした。ビデオの冒頭では、アトラスは仰向けに見えるように地面に静かに横たわっています。次に続くのは驚くべきことです

今月初め、MIT やその他の機関の研究者らは、MLP に代わる非常に有望な代替案である KAN を提案しました。 KAN は、精度と解釈可能性の点で MLP よりも優れています。また、非常に少数のパラメーターを使用して、多数のパラメーターを使用して実行する MLP よりも優れたパフォーマンスを発揮できます。たとえば、著者らは、KAN を使用して、より小規模なネットワークと高度な自動化で DeepMind の結果を再現したと述べています。具体的には、DeepMind の MLP には約 300,000 個のパラメーターがありますが、KAN には約 200 個のパラメーターしかありません。 KAN は、MLP が普遍近似定理に基づいているのに対し、KAN はコルモゴロフ-アーノルド表現定理に基づいているのと同様に、強力な数学的基礎を持っています。以下の図に示すように、KAN は

iPhone のモバイル データ接続に遅延や遅い問題が発生していませんか?通常、携帯電話の携帯インターネットの強度は、地域、携帯ネットワークの種類、ローミングの種類などのいくつかの要因によって異なります。より高速で信頼性の高いセルラー インターネット接続を実現するためにできることがいくつかあります。解決策 1 – iPhone を強制的に再起動する 場合によっては、デバイスを強制的に再起動すると、携帯電話接続を含む多くの機能がリセットされるだけです。ステップ 1 – 音量を上げるキーを 1 回押して放します。次に、音量小キーを押して、もう一度放します。ステップ 2 – プロセスの次の部分は、右側のボタンを押し続けることです。 iPhone の再起動が完了するまで待ちます。セルラーデータを有効にし、ネットワーク速度を確認します。もう一度確認してください 修正 2 – データ モードを変更する 5G はより優れたネットワーク速度を提供しますが、信号が弱い場合はより適切に機能します

テスラのロボット「オプティマス」の最新映像が公開され、すでに工場内で稼働可能となっている。通常の速度では、バッテリー(テスラの4680バッテリー)を次のように分類します:公式は、20倍の速度でどのように見えるかも公開しました - 小さな「ワークステーション」上で、ピッキング、ピッキング、ピッキング:今回は、それがリリースされたハイライトの1つビデオの内容は、オプティマスが工場内でこの作業を完全に自律的に行い、プロセス全体を通じて人間の介入なしに完了するというものです。そして、オプティマスの観点から見ると、自動エラー修正に重点を置いて、曲がったバッテリーを拾い上げたり配置したりすることもできます。オプティマスのハンドについては、NVIDIA の科学者ジム ファン氏が高く評価しました。オプティマスのハンドは、世界の 5 本指ロボットの 1 つです。最も器用。その手は触覚だけではありません

目標検出は自動運転システムにおいて比較的成熟した問題であり、その中でも歩行者検出は最も初期に導入されたアルゴリズムの 1 つです。ほとんどの論文では非常に包括的な研究が行われています。ただし、サラウンドビューに魚眼カメラを使用した距離認識については、あまり研究されていません。放射状の歪みが大きいため、標準のバウンディング ボックス表現を魚眼カメラに実装するのは困難です。上記の説明を軽減するために、拡張バウンディング ボックス、楕円、および一般的な多角形の設計を極/角度表現に探索し、これらの表現を分析するためのインスタンス セグメンテーション mIOU メトリックを定義します。提案された多角形モデルの FisheyeDetNet は、他のモデルよりも優れたパフォーマンスを示し、同時に自動運転用の Valeo 魚眼カメラ データセットで 49.5% の mAP を達成しました。
