종이 QR 코드는 공중에서도 변조될 수 있습니다. 수백 미터 떨어진 곳에서 추적 없는 공격을 받으면 즉시 악성 웹사이트 입구로 바뀔 수 있습니다.
이제 인쇄된 종이 QR코드는 안전하지 않을 수도 있습니다!
레이저 조사를 통해 공격자는 100미터 떨어진 곳에서 몇 분 만에 변조할 수 있습니다.
더 무서운 것은 이런 종류의 레이저는 육안으로 감지할 수 없다는 것입니다. 일반 QR코드가 의도치 않게 악성 웹사이트의 입구가 될 수도 있습니다.
최근 일본 토카이 대학의 연구원들은 장거리의 극도로 비밀스러운 QR 코드 변조 방법을 개발했습니다.
공격받은 QR코드는 공격 중에 눈에 보이지 않을 뿐만 아니라, 육안으로도 일반 QR코드와 별 차이가 없습니다
이러한 공격은 일반 사용자와 기기에서는 예방이 거의 불가능합니다
그래서 과학적인 연구 사람들은 어떻게 주의를 끌지 않고 "낮과 밤을 전환"합니까?
레이저 조사는 정보 포인트의 "색상"을 변경합니다.
이 문제를 설명하려면 먼저 QR 코드 스캐닝의 기본 원리를 이해해야 합니다
(이 글에서 "QR 코드"는 우리가 가장 많이 사용하는 QR을 의미합니다 QR코드 입력)보통 우리가 보는 QR코드는 앵커 포인트, 형식 및 마스크 정보 영역, 정보 영역, 오류 수정 영역으로 구성됩니다.
2(크기) M(오류 수정 수준) 유형은 아래 그림 QR 코드를 예로 들어보겠습니다. 25×25 그리드 포인트로 구성되며, 그 중 왼쪽 상단, 왼쪽 하단, 오른쪽 하단의 7×7 영역이 앵커 포인트입니다.
그림의 D1~D28과 E1~E16은 각각 데이터 및 오류 수정 필드를 나타내며, 파란색 영역은 형식 및 마스크 정보 영역입니다
데이터 필드는 원본 텍스트별로 그룹화되어 있으며, 그런 다음 특정 처리 방법을 사용하여
이진 문자열으로 변환하고 검정색과 흰색을 사용하여 QR 코드에 각각 1과 0을 나타냅니다. 오류 수정 필드는 이름에서 알 수 있듯이 생성 및 검색 과정에서 오류가 발생하지 않도록 설계되었습니다.
Reed-Solomon 알고리즘에 따라 데이터 필드에 의해 생성되며 길이에 따라 다릅니다. 오류 수정 수준까지. 형식 및 마스크 정보 영역에는 QR 코드의 인코딩 방법(일반 텍스트에서 바이너리 문자열로)과 마스크 연산이 저장됩니다.
마스크는 스캔 결과에 영향을 미치는 특정 패턴을 피하기 위한 것이며 원본 도트 매트릭스는 특정 규칙에 따라 처리됩니다. 변환 작업이 수행되고 작업 모드가 마스크 정보 영역에 저장됩니다.
읽는 과정은 먼저
위치 지정 지점을 캡처한 다음 이미지를 수정하고 노이즈를 제거한 다음 마스크 영역의 형식과 위치를 판단하고 읽어서 데이터 필드를 파악하는 것입니다. 방식으로 디코딩합니다. 이 실험에서 연구원은 QR 코드 정보를 점차적으로 덮어 두 QR 코드 사이의
혼합 중간체를 구성했습니다.
이 중간에는
핵심 색상 블록이 포함되어 있으며, 색상에 따라 실제로 읽힐 QR 코드가 결정됩니다.
과학자들은 육안으로 보이지 않는 레이저로 이 컬러 블록을 조사하여 카메라의 인식 결과를 확인할 수 있습니다.
조사 후 육안으로는 차이가 보이지 않지만 관점에서 보면 원래 검은 색입니다 카메라 모듈은 흰색
으로 인식됩니다.
아래 사진은 사람의 눈과 카메라가 인식할 수 있는 파장 범위를 비교한 것입니다. 저조도 환경에서 사람의 눈은 600나노미터 이상의 빛을 거의 감지할 수 없으며, 밝은 환경에서도 감지할 수 없습니다. 700나노미터 이상의 빛을 볼 수 있으며 카메라는 여전히 700나노미터 파장에서 50% 이상의 캡처율을 유지합니다.
이 실험에서 연구원들은 10밀리와트의 635nm(적색 가시광선)과 785nm(적외선) 빛을 사용하여 서로 다른 거리에서 QR 코드를 조명했습니다.
여기서 0~50미터는 실제 거리이고, 100미터는 실제 거리입니다. 미터는 정반사를 통해 달성됩니다
결과는 10~40미터에서 두 파장의 빛 모두 QR 코드가 가리키는 링크를 가짜 URL로 성공적으로 변경할 수 있음을 보여줍니다.
50미터 거리에서 가시광선으로 처리된 QR 코드는 두 URL 모두에서 스캔할 수 있지만 적외선은 여전히 변조에 성공할 수 있습니다.
100미터 거리에서 두 파장의 빛을 조사하면 QR 코드가 표시됩니다. 코드가 교대로 나타납니다
향후 연구원들은 공격 거리도 1km로 늘릴 계획입니다.
그러나 이 실험에서는 변조된 정보 지점의 위치를 결정하기 위해 레이저의 초점을 맞추는 렌즈가 필요합니다.
빛의 경로에 기류 교란이 명백하다면 이 과정에 영향을 미칠 것이기 때문에 장거리 공격에서는 불확실한 요소가 더 많습니다.
QR코드 앞의 공기 흐름이 수시로 방해를 받으면 레이저가 위치를 찾을 수 없게 됩니다. 이것도 이런 종류의 공격을 방어하기 위해 제공되는 가능성입니다
일부 네티즌들은 농담을 했습니다. QR 코드 앞에서 부채질을 하면 레이저 "걷기"가 더 효과적일 수 있습니다
논문에서 저자는 공기 흐름 방해 외에도 QR 코드 소유자가 변조 방지 재료를 사용할 수도 있다고 언급했습니다. 공격당하지 않으려면
한 가지 더
QR코드를 조작하거나 교통 표지판에 레이저를 비추어 자율주행 시스템을 방해하는 경우도 있습니다. 이런 레이저도 육안으로는 보이지 않지만, 그럴 수 있습니다. 카메라로 인식되어 오해의 소지가 있습니다.
관련 연구에 따르면 실내 환경에서 정지 표지판 및 속도 제한 표지판에 대한 공격의 성공률은 거의 100%에 가깝습니다.
http://id.nii.ac.jp/1001/00228597/
위 내용은 종이 QR 코드는 공중에서도 변조될 수 있습니다. 수백 미터 떨어진 곳에서 추적 없는 공격을 받으면 즉시 악성 웹사이트 입구로 바뀔 수 있습니다.의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!

핫 AI 도구

Undresser.AI Undress
사실적인 누드 사진을 만들기 위한 AI 기반 앱

AI Clothes Remover
사진에서 옷을 제거하는 온라인 AI 도구입니다.

Undress AI Tool
무료로 이미지를 벗다

Clothoff.io
AI 옷 제거제

Video Face Swap
완전히 무료인 AI 얼굴 교환 도구를 사용하여 모든 비디오의 얼굴을 쉽게 바꾸세요!

인기 기사

뜨거운 도구

메모장++7.3.1
사용하기 쉬운 무료 코드 편집기

SublimeText3 중국어 버전
중국어 버전, 사용하기 매우 쉽습니다.

스튜디오 13.0.1 보내기
강력한 PHP 통합 개발 환경

드림위버 CS6
시각적 웹 개발 도구

SublimeText3 Mac 버전
신 수준의 코드 편집 소프트웨어(SublimeText3)

뜨거운 주제











0. 이 글은 어떤 내용을 담고 있나요? 우리는 다재다능하고 빠른 최첨단 생성 단안 깊이 추정 모델인 DepthFM을 제안합니다. DepthFM은 전통적인 깊이 추정 작업 외에도 깊이 인페인팅과 같은 다운스트림 작업에서 최첨단 기능을 보여줍니다. DepthFM은 효율적이며 몇 가지 추론 단계 내에서 깊이 맵을 합성할 수 있습니다. 이 작품을 함께 읽어보아요~ 1. 논문 정보 제목: DepthFM: FastMoncularDepthEstimationwithFlowMatching 저자: MingGui, JohannesS.Fischer, UlrichPrestel, PingchuanMa, Dmytr

기존 컴퓨팅을 능가할 뿐만 아니라 더 낮은 비용으로 더 효율적인 성능을 달성하는 인공 지능 모델을 상상해 보세요. 이것은 공상과학 소설이 아닙니다. DeepSeek-V2[1], 세계에서 가장 강력한 오픈 소스 MoE 모델이 여기에 있습니다. DeepSeek-V2는 경제적인 훈련과 효율적인 추론이라는 특징을 지닌 전문가(MoE) 언어 모델의 강력한 혼합입니다. 이는 236B 매개변수로 구성되며, 그 중 21B는 각 마커를 활성화하는 데 사용됩니다. DeepSeek67B와 비교하여 DeepSeek-V2는 더 강력한 성능을 제공하는 동시에 훈련 비용을 42.5% 절감하고 KV 캐시를 93.3% 줄이며 최대 생성 처리량을 5.76배로 늘립니다. DeepSeek은 일반 인공지능을 연구하는 회사입니다.

AI는 실제로 수학을 변화시키고 있습니다. 최근 이 문제에 주목하고 있는 타오저쉬안(Tao Zhexuan)은 '미국수학회지(Bulletin of the American Mathematical Society)' 최신호를 게재했다. '기계가 수학을 바꿀 것인가?'라는 주제를 중심으로 많은 수학자들이 그들의 의견을 표현했습니다. 저자는 필즈상 수상자 Akshay Venkatesh, 중국 수학자 Zheng Lejun, 뉴욕대학교 컴퓨터 과학자 Ernest Davis 등 업계의 유명 학자들을 포함해 강력한 라인업을 보유하고 있습니다. AI의 세계는 극적으로 변했습니다. 이 기사 중 상당수는 1년 전에 제출되었습니다.

Boston Dynamics Atlas가 공식적으로 전기 로봇 시대에 돌입했습니다! 어제 유압식 Atlas가 역사의 무대에서 "눈물을 흘리며" 물러났습니다. 오늘 Boston Dynamics는 전기식 Atlas가 작동 중이라고 발표했습니다. 상업용 휴머노이드 로봇 분야에서는 보스턴 다이내믹스가 테슬라와 경쟁하겠다는 각오를 다진 것으로 보인다. 새 영상은 공개된 지 10시간 만에 이미 100만 명이 넘는 조회수를 기록했다. 옛 사람들은 떠나고 새로운 역할이 등장하는 것은 역사적 필연이다. 올해가 휴머노이드 로봇의 폭발적인 해라는 것은 의심의 여지가 없습니다. 네티즌들은 “로봇의 발전으로 올해 개막식도 인간처럼 생겼고, 자유도도 인간보다 훨씬 크다. 그런데 정말 공포영화가 아닌가?”라는 반응을 보였다. 영상 시작 부분에서 아틀라스는 바닥에 등을 대고 가만히 누워 있는 모습입니다. 다음은 입이 떡 벌어지는 내용이다

이달 초 MIT와 기타 기관의 연구자들은 MLP에 대한 매우 유망한 대안인 KAN을 제안했습니다. KAN은 정확성과 해석성 측면에서 MLP보다 뛰어납니다. 그리고 매우 적은 수의 매개변수로 더 많은 수의 매개변수를 사용하여 실행되는 MLP보다 성능이 뛰어날 수 있습니다. 예를 들어 저자는 KAN을 사용하여 더 작은 네트워크와 더 높은 수준의 자동화로 DeepMind의 결과를 재현했다고 밝혔습니다. 구체적으로 DeepMind의 MLP에는 약 300,000개의 매개변수가 있는 반면 KAN에는 약 200개의 매개변수만 있습니다. KAN은 MLP와 같이 강력한 수학적 기반을 가지고 있으며, KAN은 Kolmogorov-Arnold 표현 정리를 기반으로 합니다. 아래 그림과 같이 KAN은

지연이 발생하고 iPhone의 모바일 데이터 연결 속도가 느립니까? 일반적으로 휴대폰의 셀룰러 인터넷 강도는 지역, 셀룰러 네트워크 유형, 로밍 유형 등과 같은 여러 요소에 따라 달라집니다. 더 빠르고 안정적인 셀룰러 인터넷 연결을 얻기 위해 할 수 있는 일이 몇 가지 있습니다. 수정 1 – iPhone 강제 다시 시작 때로는 장치를 강제로 다시 시작하면 셀룰러 연결을 포함한 많은 항목이 재설정됩니다. 1단계 – 볼륨 높이기 키를 한 번 눌렀다가 놓습니다. 그런 다음 볼륨 작게 키를 눌렀다가 다시 놓습니다. 2단계 - 프로세스의 다음 부분은 오른쪽에 있는 버튼을 누르는 것입니다. iPhone이 다시 시작되도록 하세요. 셀룰러 데이터를 활성화하고 네트워크 속도를 확인하세요. 다시 확인하세요 수정 2 – 데이터 모드 변경 5G는 더 나은 네트워크 속도를 제공하지만 신호가 약할 때 더 잘 작동합니다

테슬라의 로봇 옵티머스(Optimus)의 최신 영상이 공개됐는데, 이미 공장에서 작동이 가능한 상태다. 정상 속도에서는 배터리(테슬라의 4680 배터리)를 다음과 같이 분류합니다. 공식은 또한 20배 속도로 보이는 모습을 공개했습니다. 작은 "워크스테이션"에서 따고 따고 따고 : 이번에 출시됩니다. 영상에는 옵티머스가 공장에서 이 작업을 전 과정에 걸쳐 사람의 개입 없이 완전히 자율적으로 완료하는 모습이 담겨 있습니다. 그리고 Optimus의 관점에서 보면 자동 오류 수정에 중점을 두고 구부러진 배터리를 집어 넣을 수도 있습니다. NVIDIA 과학자 Jim Fan은 Optimus의 손에 대해 높은 평가를 했습니다. Optimus의 손은 세계의 다섯 손가락 로봇 중 하나입니다. 가장 능숙합니다. 손은 촉각적일 뿐만 아니라

세상은 미친 듯이 큰 모델을 만들고 있습니다. 인터넷의 데이터만으로는 충분하지 않습니다. 훈련 모델은 '헝거게임'처럼 생겼고, 전 세계 AI 연구자들은 이러한 데이터를 탐식하는 사람들에게 어떻게 먹이를 줄지 고민하고 있습니다. 이 문제는 다중 모드 작업에서 특히 두드러집니다. 아무것도 할 수 없던 시기에, 중국 인민대학교 학과의 스타트업 팀은 자체 새로운 모델을 사용하여 중국 최초로 '모델 생성 데이터 피드 자체'를 현실화했습니다. 또한 이해 측면과 생성 측면의 두 가지 접근 방식으로 양측 모두 고품질의 다중 모드 새로운 데이터를 생성하고 모델 자체에 데이터 피드백을 제공할 수 있습니다. 모델이란 무엇입니까? Awaker 1.0은 중관촌 포럼에 최근 등장한 대형 멀티모달 모델입니다. 팀은 누구입니까? 소폰 엔진. 런민대학교 힐하우스 인공지능대학원 박사과정 학생인 Gao Yizhao가 설립했습니다.
