Эксперименты с HackRF (часть 2) – GNU Radio Companion и распознавание радиосигнала на практике academy store cc, my best buy cc

Эксперименты с брелоком от машины и анализатором сигнала baudline были весьма увлекательны (более подробно об этом рассказано в предыдущей статье). Теперь мы попробуем сделать что-то более серьезное, когда выходной сигнал представляет собой большую ценность для нас, (сигнал от автомобильного брелока не представляет особой ценности, поскольку после расшифровки мы, по сути, получаем большое случайное число).
Эксперименты с брелоком от машины и анализатором сигнала baudline были весьма увлекательны (более подробно об этом рассказано в  предыдущей статье ). Теперь мы попробуем сделать что-то более серьезное, когда выходной сигнал представляет собой большую ценность для нас, (сигнал от автомобильного брелока не представляет особой ценности, поскольку после расшифровки мы, по сути, получаем большое случайное число).
В этом эксперименте подопытный передатчик работает на частоте 433 МГц на платформе Arduino, при помощи которой можно создавать интерактивные электронные объекты.
Нам известно, что сигнал передается на частоте 433 МГц, так что захват сигнала (при помощи HackRF) будем делать на частоте 435 МГц:
После загрузки результатов работы HackRF в анализатор сигнала Baudline (о том, как это сделать, рассказано в предыдущей статье) получим следующее:
Мы получили приемлемый сигнал и теперь загрузим эти данные в GNU Radio Companion (GRC).
GRC позволяет строить блок-схемы при помощи графического интерфейса. Затем эти блоки компилируются в python-код и могут использоваться независимо от GRC. Написанием кода при помощи блоков GNU Radio можно достичь того же самого, однако GRC содержит много полезных функций, и с ним проще работать новичкам, к которым я также себя причисляю. Однако у графической оболочки GRC есть и обратная сторона: иногда бывает трудно найти нужный блок. В этом случае попробуйте поискать его по имени.
Первым делом необходимо конвертировать файл логов HackRF в формат, который можно прочесть в GNU Radio. Логи HackRF – это данные, представляющие собой пары IQ, которые хранятся как 8-ми битные беззнаковые целые (подробнее с IQ или квадратурной дискретизацией можно ознакомиться здесь ). Компонентам GNU Radio, как правило, необходимы комплексные IQ-данные, и, следовательно, мы должны преобразовать наш файл к этому формату (алгоритм показан на рисунке ниже):
XML-файл для GRC можно взять здесь .
Вначале блок схемы используется стандартный компонент «File Source» для загрузки файла. Затем блок «UChar to Float» конвертирует беззнаковые 8-ми битные целые числа в числа с плавающей точкой. В блоке «Deinterleave» происходит разделение общего потока данные (IQIQIQ) на два отдельных канала (I и Q), после чего они вновь объединяются, но уже в формате комплексного числа (для этого используется блок «Float to Complex»). Подобный формат как раз и используется в GNU Radio.
После прохождения через блок «Add Const» данные центрируются вокруг 0 (поскольку в HackRF используются беззнаковые целые в диапазоне от 0 до 256, данные центрируется около 127). (Я должен был сообщить об этом Майку Оссману – еще одно весьма веское основание для регистрации в проекте HackRF на Kickstarter – если будет поставлена более амбициозная цель мы получим видео курсов по GNU Radio)
Самый последний блок «Throttle» используется для сжатия частоты выборки до 8 МГц, чтобы система, где используется этот сигнал, работала корректно. В целом я выяснил, что имеет смысл сжимать частоту выборки сигнала, поскольку в противном случае могут возникнуть случайные взаимодействия между частотой выборки и шириной спектра сигнала (в случае с IQ-данными частота выборки и ширина спектра сигнала взаимосвязаны).
На стадии сжатия используется переменная throttle_rate (самый верх блок схемы), которая позволяет задавать частоту для различных сигналов. Здесь нас поджидает один сюрприз: GRC не показывает числа в том формате, в котором они на самом деле используются! GRC допускает числа в обычном или научном формате (шестнадцатеричные, восьмеричные или любые другие, которые поддерживает Python), однако отображаются эти числа в удобочитаемом формате (в этом формате числа задавать нельзя). В нашем случае допустимые значения 8000000 или 8e6, однако, число 8М недопустимо.
Теперь у нас есть файл, загруженный в нужном формате. Что же дальше?
Первый шаг – более подробное изучение нашего сигнала. Мы можем сразу же после сжатия сигнала направить его в блок с быстрым преобразованием Фурье:
На выходе преобразователя получаем такой сигнал:
На рисунке выше мы видим пик на частоте захвата (435 МГц) и часть передаваемого сигнала в районе частоты 433.8 МГц.
Теперь рассмотрим настройки преобразователя. По умолчанию GNU Radio ничего не знает о несущей частоте (если ее не задать, считается, что эта частота равна нулю). В этом случае сам сигнал был бы на частоте -1.2 МГц. Меня это, конечно же, не устраивает, и я буду выставлять реальные значения:
Параметры «Sample Rate» (частота выборки) и «Baseband Freq» (частота захвата) соответствуют переменным «samp_rate» и «capture_freq». Параметр «Sample Rate» должен совпадать с входным сигналом (в нашем случае это 8МГц; то значение, до которого мы сжимали выборку). В противном случае преобразователь будет работать некорректно.
В GRC мы используем соответствующие блоки с переменными:
Поскольку мы знаем, где находится наш сигнал, захват производился на смещенной частоте в 435МГц для того, чтобы избежать пика на рабочей частоте. Кроме того, мы захватили намного больше данных, чем нам нужно (если сравнивать с шириной спектра). Для того чтобы решить обе эти проблемы одним махом, мы будем использовать блок “Frequency XLating FIR Filter” (КИХ-фильтр с переносом частоты).
Использование подобного фильтра позволяет одновременно решить три задачи:
Здесь мы для установки параметра децимации (или разделения) вновь используем переменные, поскольку этот способ намного удобнее. Для получения значения децимации нам необходимо разделить входное значение частоты дискретизации на выходное ее значение (в нашем случае выходное значение равно 50 кГц, относительно произвольное значение). 50 кГц – достаточно широко, чтобы охватить весь наш сигнал, и в дальнейшем у нас не возникнет никаких проблем, поскольку сигнал очень сильный. В реальной жизни нам, возможно, следует использовать намного меньшее значение. Мы должны преобразовать результат к целому числу для корректной работы GRC (для этого используем Python-функцию int).
К параметру «Taps» привязываем переменную firdes_tap (подробнее об этом чуть позже). Этот параметр позволяет изолировать наш сигнал.
И, наконец, параметром «Center Frequency» мы задаем смещение несущей частоты (опять же с использованием переменных). Нам необходимо сместить наш сигнал вниз, следовательно, смещение примерно равно 1.2 МГц (или 435 МГц – 433 МГц). Поскольку смещение происходит вниз, значение должно быть отрицательным.
Я использую GNU Radio 3.6. Однако самая последняя версия – 3.7, в которой произошли некоторые изменения. В частности, параметр «Center Frequency» рассматривается как «фактическая» несущая частота. Если вы используете GNU Radio 3.7, удалите отрицательный знак. С этими и другими изменениями в новой версии можно ознакомиться здесь .
[Обновление от 9 февраля 2013 года – После обновления GNU Radio, мне не понятно, в чем заключаются изменения, поскольку отрицательное смещение работает прекрасно, а положительное – нет.]
Переменная firdes_tap определяет наш низкочастотный фильтр. Ключевые параметры здесь следующие:
Параметры WIN_HAMMING и 6.76 указывают GNU Radio на то, что нужно использовать оконный фильтр. На эти параметры можно не обращать внимание.
После прохождения сигнала через фильтр, децимацию и повторное центрирование, мы вновь пропускаем сигнал через преобразователь Фурье. На выходе получается следующее:
Обратите внимание, что у сигнала уменьшилась ширина спектра, а также произошло сглаживание вне рассматриваемой нами области.
Выставляя различные значения у низкочастотного фильтра, можно получить разные результаты (более подробно о настройке низкочастотного фильтра можно прочитать здесь ).
Не забудьте настроить преобразователь Фурье:
Особенно следует обратить внимание на изменение частоты выборки нашего сигнала (до 50 кГц) и несущей частоты. Таким образом, мы установили в параметры «Sample Rate» и «Baseband Freq» соответствующие переменные.
Теперь у нас есть отфильтрованный, отцентрированный, узкополосный амплитудно-модулированный сигнал. Что же мы можем с этим сделать?
При амплитудной модуляции происходит изменение амплитуды, и мы можем обнаружить подобный сигнал путем измерения этого параметра:
Блок «Complex to Mag» приводит комплексный IQ-сигнал к абсолютной величине. Поскольку наш сигнал очень сильный и к тому же пропущен через фильтр, мы может прибегнуть к вычислению амплитуды. Если бы сигнал был нефильтрованный и присутствовал бы шум, мы не смогли бы прибегнуть к использованию столь простого метода.
Обратите внимание на цвет выходного вывода «Out» у блока «Complex to Mag» (оранжевый вместо синего). Это означает, что выходной сигнал представляет собой значение с плавающей точкой и, следовательно, входные блоки должны принимать сигнал именно такого типа.
Мы можем установить тип сигнала в выпадающем меню параметра «Type».
Теперь при запуске GRC выходной сигнал представляет собой вычисленную магнитуду. Если мы прокрутим при помощи колеса мыши временной диапазон, то увидим такую картину:
Сигнал на рисунке выше выглядит замечательно, как и сигнал, полученный при просмотре в анализаторе Baudline. В последнем случае мы прибегли к изолированию и выделению полезного сигнала и конвертированию его в последовательность вычисленных магнитуд.
Вы можете загрузить файл с выборкой данных отсюда , а GRC-файл – отсюда .
В следующей статье мы попробуем преобразовать сигнал из GRC обратно к первоначальной выборке.
Спасибо Майку Оссману, всем с канала #hackrf на Freenode и вообще всем, кто помогал в написании этой статьи и высказывал свои замечания.
В статье мы расскажем о наиболее интересных стартапах в области кибербезопасности, на которые следует обратить внимание.
Хотите узнать, что происходит нового в сфере кибербезопасности, – обращайте внимание на стартапы, относящиеся к данной области. Стартапы начинаются с инновационной идеи и не ограничиваются стандартными решениями и основным подходом. Зачастую стартапы справляются с проблемами, которые больше никто не может решить.
Обратной стороной стартапов, конечно же, нехватка ресурсов и зрелости. Выбор продукта или платформы стартапа – это риск, требующий особых отношений между заказчиком и поставщиком . Однако, в случае успеха компания может получить конкурентное преимущество или снизить нагрузку на ресурсы безопасности.
Ниже приведены наиболее интересные стартапы (компании, основанные или вышедшие из «скрытого режима» за последние два года).
Компания Abnormal Security, основанная в 2019 году, предлагает облачную платформу безопасности электронной почты, которая использует анализ поведенческих данных для выявления и предотвращения атак на электронную почту. Платформа на базе искусственного интеллекта анализирует поведение пользовательских данных, организационную структуру, отношения и бизнес-процессы, чтобы выявить аномальную активность, которая может указывать на кибератаку. Платформа защиты электронной почты Abnormal может предотвратить компрометацию корпоративной электронной почты, атаки на цепочку поставок , мошенничество со счетами, фишинг учетных данных и компрометацию учетной записи электронной почты. Компания также предоставляет инструменты для автоматизации реагирования на инциденты, а платформа дает облачный API для интеграции с корпоративными платформами, такими как Microsoft Office 365, G Suite и Slack.
Копания Apiiro вышла из «скрытого режима» в 2020 году. Ее платформа devsecops переводит жизненный цикл безопасной разработки «от ручного и периодического подхода «разработчики в последнюю очередь» к автоматическому подходу, основанному на оценке риска, «разработчики в первую очередь», написал в блоге соучредитель и генеральный директор Идан Плотник . Платформа Apiiro работает, соединяя все локальные и облачные системы управления версиями и билетами через API. Платформа также предоставляет настраиваемые предопределенные правила управления кодом. Со временем платформа создает инвентарь, «изучая» все продукты, проекты и репозитории. Эти данные позволяют лучше идентифицировать рискованные изменения кода.
Axis Security Application Access Cloud – облачное решение для доступа к приложениям , построенное на принципе нулевого доверия. Он не полагается на наличие агентов, установленных на пользовательских устройствах. Поэтому организации могут подключать пользователей – локальных и удаленных – на любом устройстве к частным приложениям, не затрагивая сеть или сами приложения. Axis вышла из «скрытого режима» в 2020 году.
BreachQuest, вышедшая из «скрытого режима» 25 августа 2021 года, предлагает платформу реагирования на инциденты под названием Priori. Платформа обеспечивает большую наглядность за счет постоянного отслеживания вредоносной активности. Компания утверждает, что Priori может предоставить мгновенную информацию об атаке и о том, какие конечные точки скомпрометированы после обнаружения угрозы.
Cloudrise предоставляет услуги управляемой защиты данных и автоматизации безопасности в формате SaaS. Несмотря на свое название, Cloudrise защищает как облачные, так и локальные данные. Компания утверждает, что может интегрировать защиту данных в проекты цифровой трансформации. Cloudrise автоматизирует рабочие процессы с помощью решений для защиты данных и конфиденциальности. Компания Cloudrise была запущена в октябре 2019 года.
Cylentium утверждает, что ее технология кибер-невидимости может «скрыть» корпоративную или домашнюю сеть и любое подключенное к ней устройство от обнаружения злоумышленниками. Компания называет эту концепцию «нулевой идентичностью». Компания продает свою продукцию предприятиям, потребителям и государственному сектору. Cylentium была запущена в 2020 году.
Компания Deduce , основанная в 2019 году, предлагает два продукта для так называемого «интеллектуального анализа личности». Служба оповещений клиентов отправляет клиентам уведомления о потенциальной компрометации учетной записи, а оценка риска идентификации использует агрегированные данные для оценки риска компрометации учетной записи. Компания использует когнитивные алгоритмы для анализа конфиденциальных данных с более чем 150 000 сайтов и приложений для выявления возможного мошенничества. Deduce заявляет, что использование ее продуктов снижает ущерб от захвата аккаунта более чем на 90%.
Автоматизированная платформа безопасности и соответствия Drata ориентирована на готовность к аудиту по таким стандартам, как SOC 2 или ISO 27001. Drata отслеживает и собирает данные о мерах безопасности, чтобы предоставить доказательства их наличия и работы. Платформа также помогает оптимизировать рабочие процессы. Drata была основана в 2020 году.
FYEO – это платформа для мониторинга угроз и управления доступом для потребителей, предприятий и малого и среднего бизнеса. Компания утверждает, что ее решения для управления учетными данными снимают бремя управления цифровой идентификацией. FYEO Domain Intelligence («FYEO DI») предоставляет услуги мониторинга домена, учетных данных и угроз. FYEO Identity будет предоставлять услуги управления паролями и идентификацией, начиная с четвертого квартала 2021 года. FYEO вышла из «скрытого режима» в 2021 году.
Kronos – платформа прогнозирующей аналитики уязвимостей (PVA) от компании Hive Pro , основанная на четырех основных принципах: предотвращение, обнаружение, реагирование и прогнозирование. Hive Pro автоматизирует и координирует устранение уязвимостей с помощью единого представления. Продукт компании Artemis представляет собой платформу и услугу для тестирования на проникновение на основе данных. Компания Hive Pro была основана в 2019 году.
Израильская компания Infinipoint была основана в 2019 году. Свой основной облачный продукт она называет «идентификация устройства как услуга» или DIaaS , который представляет собой решение для идентификации и определения положения устройства. Продукт интегрируется с аутентификацией SSO и действует как единая точка принуждения для всех корпоративных сервисов. DIaaS использует анализ рисков для обеспечения соблюдения политик, предоставляет статус безопасности устройства как утверждается, устраняет уязвимости «одним щелчком».
Компания Kameleon , занимающаяся производством полупроводников, не имеет собственных фабрик и занимает особое место среди поставщиков средств кибербезопасности. Компания разработала «Блок обработки проактивной безопасности» (ProSPU). Он предназначен для защиты систем при загрузке и для использования в центрах обработки данных, управляемых компьютерах, серверах и системах облачных вычислений. Компания Kameleon была основана в 2019 году.
Облачная платформа безопасности данных Open Raven предназначена для обеспечения большей прозрачности облачных ресурсов. Платформа отображает все облачные хранилища данных, включая теневые облачные учетные записи, и идентифицирует данные, которые они хранят. Затем Open Raven в режиме реального времени отслеживает утечки данных и нарушения политик и предупреждает команды о необходимости исправлений. Open Raven также может отслеживать файлы журналов на предмет конфиденциальной информации, которую следует удалить. Компания вышла из «скрытого режима» в 2020 году.
Компания Satori, основанная в 2019 году, называет свой сервис доступа к данным “DataSecOps”. Целью сервиса является отделение элементов управления безопасностью и конфиденциальностью от архитектуры. Сервис отслеживает, классифицирует и контролирует доступ к конфиденциальным данным. Имеется возможность настроить политики на основе таких критериев, как группы, пользователи, типы данных или схема, чтобы предотвратить несанкционированный доступ, замаскировать конфиденциальные данные или запустить рабочий процесс. Сервис предлагает предварительно настроенные политики для общих правил, таких как GDPR , CCPA и HIPAA .
Компания Scope Security недавно вышла из «скрытого режима», будучи основана в 2019 году. Ее продукт Scope OmniSight нацелен на отрасль здравоохранения и обнаруживает атаки на ИТ-инфраструктуру, клинические системы и системы электронных медицинских записей . Компонент анализа угроз может собирать индикаторы угроз из множества внутренних и сторонних источников, представляя данные через единый портал.
Основным продуктом Strata является платформа Maverics Identity Orchestration Platform . Это распределенная мультиоблачная платформа управления идентификацией. Заявленная цель Strata – обеспечить согласованность в распределенных облачных средах для идентификации пользователей для приложений, развернутых в нескольких облаках и локально. Функции включают в себя решение безопасного гибридного доступа для расширения доступа с нулевым доверием к локальным приложениям для облачных пользователей, уровень абстракции идентификации для лучшего управления идентификацией в мультиоблачной среде и каталог коннекторов для интеграции систем идентификации из популярных облачных систем и систем управления идентификацией. Strata была основана в 2019 году.
SynSaber , запущенная 22 июля 2021 года, предлагает решение для мониторинга промышленных активов и сети. Компания обещает обеспечить «постоянное понимание и осведомленность о состоянии, уязвимостях и угрозах во всех точках промышленной экосистемы, включая IIoT, облако и локальную среду». SynSaber была основана бывшими лидерами Dragos и Crowdstrike.
Traceable называет свой основной продукт на основе искусственного интеллекта чем-то средним между брандмауэром веб-приложений и самозащитой приложений во время выполнения. Компания утверждает, что предлагает точное обнаружение и блокирование угроз путем мониторинга активности приложений и непрерывного обучения, чтобы отличать обычную активность от вредоносной. Продукт интегрируется со шлюзами API. Traceable была основана в июле 2020 года.
Компания Wiz, основанная командой облачной безопасности Microsoft, предлагает решение для обеспечения безопасности в нескольких облаках, рассчитанное на масштабную работу. Компания утверждает, что ее продукт может анализировать все уровни облачного стека для выявления векторов атак с высоким риском и обеспечивать понимание, позволяющее лучше расставлять приоритеты. Wiz использует безагентный подход и может сканировать все виртуальные машины и контейнеры. Wiz вышла из «скрытого режима» в 2020 году.
Работает на CMS “1С-Битрикс: Управление сайтом”
academy store cc my best buy cc