⚠️ GİZLİLİK VE KVKK UYARISI:

Bu doküman, Adli Bilişim Uzmanları, Yapay Zeka Araştırmacıları ve Güvenlik Analistleri için; akustik yan kanal saldırılarını (Acoustic Side-Channels) analiz etmek ve karşı önlem (Countermeasures) geliştirmek amacıyla TEORİK EĞİTİM AMAÇLI hazırlanmıştır.

Bir kişinin klavye vuruşlarını izinsiz kaydetmek ve şifrelerini ele geçirmek; Haberleşmenin Gizliliğini İhlal ve Veri Hırsızlığı suçudur. Zoom/Teams görüşmelerini bu amaçla kaydetmek ağır suçtur. Bu içeriğin kötüye kullanımından doğacak yasal sorumluluk tamamen uygulayıcıya aittir.

1. Giriş: Her Tuşun Bir "İmzası" Vardır

1. Mekanik Yapı: Tuşun altındaki yayın ve switch'in fiziksel durumu.
   
2. Plaka Konumu: "Q" tuşu klavyenin sol üstündedir, "P" sağ üstündedir. Plakanın (Plate) titreşimi ve yankısı, tuşun konumuna göre değişir.
   
3. Mikrofona Uzaklık (TDoA): Sesin mikrofona ulaşma süresi ve açısı, tuşun konumuna göre mikroskobik farklar yaratır.

2. Teknik Teori: CoAtNet ve Derin Öğrenme

1. Veri Toplama: Kurbanın klavye sesi kaydedilir. (Her tuş için yaklaşık 25 vuruşluk bir örneklem yeterlidir).
   
2. Ön İşleme (Preprocessing): Ses dosyası, zaman ekseninden frekans eksenine (Spektrogram) dönüştürülür. Gürültü (ortam sesi) temizlenir.
   
3. Eğitim (Training): AI modeline şu öğretilir: "Bu dalga formu 'Enter' tuşuna ait, şu dalga formu 'Space' tuşuna ait."
   
4. Saldırı: Eğitilen model, daha sonra kaydedilen bilinmeyen bir ses dosyasını dinler ve harfleri dizer.

3. Saldırı Vektörü 1: The "Zoom" Exploit (Uzaktan Dinleme)

• Saldırgan: Görüşmeyi yüksek kalitede kaydeder.
  
• Analiz: Kurban şifresini girerken veya gizli bir mesaj yazarken çıkan "tak-tuk" sesleri, internet üzerinden (VoIP sıkıştırmasına rağmen) saldırgana ulaşır.
  
• Sonuç: AI, görüşme sırasında yazılan metni deşifre eder.

4. Saldırı Vektörü 2: The Smartphone Spy (Yakın Erişim)

• Ses + Titreşim: Bu iki veri birleştiğinde (Sensor Fusion), doğruluk oranı %99'a yaklaşır.

5. Uygulama: Librosa ve PyTorch ile Analiz

1234567891011121314151617# Kavramsal Python Kodu (Librosa ile Ses Analizi)
import librosa
import numpy as np

# Ses dosyasını yükle
audio, sample_rate = librosa.load('klavye_kaydi.wav')

# Sesi tuş vuruşlarına böl (Onset Detection)
# Klavyede tuşa basılan anlardaki ani ses patlamalarını bul
onset_frames = librosa.onset.onset_detect(y=audio, sr=sample_rate)

# Her vuruşun frekans haritasını (MFCC) çıkar
mfccs = librosa.feature.mfcc(y=audio, sr=sample_rate)

# Bu MFCC verilerini eğitilmiş AI modeline (Model.pth) sor
predicted_key = model.predict(mfccs)
print(f"Basılan Tuş: {predicted_key}")

1234567891011121314151617# Kavramsal Python Kodu (Librosa ile Ses Analizi)
import librosa
import numpy as np

# Ses dosyasını yükle
audio, sample_rate = librosa.load('klavye_kaydi.wav')

# Sesi tuş vuruşlarına böl (Onset Detection)
# Klavyede tuşa basılan anlardaki ani ses patlamalarını bul
onset_frames = librosa.onset.onset_detect(y=audio, sr=sample_rate)

# Her vuruşun frekans haritasını (MFCC) çıkar
mfccs = librosa.feature.mfcc(y=audio, sr=sample_rate)

# Bu MFCC verilerini eğitilmiş AI modeline (Model.pth) sor
predicted_key = model.predict(mfccs)
print(f"Basılan Tuş: {predicted_key}")

6. Blue Team: Sessizlik Duvarı

1. Keystroke Audio Obfuscation (Yazılımsal Gürültü): "KeyScrambler" benzeri yazılımlar, siz tuşa bastığınızda hoparlörden rastgele sahte tuş sesleri çıkarır. Saldırganın kaydında gerçek ve sahte sesler birbirine karışır.
   
2. Mekanik Olmayan Klavyeler: Sessiz (Silent) switchler veya membran klavyeler kullanmak, ses verisini azalttığı için AI'ın işini zorlaştırır.
   
3. Beyaz Gürültü (White Noise): Ofiste veya odada arka planda müzik çalmak veya vantilatör çalıştırmak, tuş seslerinin "temiz" kaydedilmesini engeller.
   
4. Biyometrik Giriş: Şifre yazmak yerine TouchID veya Windows Hello kullanmak. Ses yoksa, veri de yoktur.

7. Sonuç: Sessizliğin Sesi