Skip to content
KitploitKITPLOIT
ИнструментыЭксплойтыБлог
Log in
Отправить
ИнструментыЭксплойтыБлог
Отправить

Инструменты для хакинга, пентеста и кибербезопасности — ваш арсенал защиты!

Kitploit — это каталог инструментов для хакинга, кибербезопасности и пентестинга. Находите последние обновления проектов для поиска уязвимостей, анализа систем, автоматизации тестирования и усиления вашей безопасности.

ЛентыКонтактыКонфиденциальность© 2026 Kitploit

Каталог инструментов

Категории

Все категории
Loading categories
banrays — Очки для обнаружения умных очков с камерами. Ray-BANNED | Kitploit
Инструменты/GitHubGitHub/nullpxl/banrays
Безопасность встроенных системOSINT (Разведка открытых источников)РазведкаБезопасность BluetoothБезопасность IoTБезопасность беспроводных сетейКонфиденциальностьАппаратная БезопасностьСтатьи и ИсследованияОбучение и Образование
GitHub
3135603 месяцев назадПроверено Kitploit
Поделиться
nullpxl/banrays

banrays

Очки для обнаружения умных очков с камерами. Ray-BANNED

Репозиторий

Ban-Rays

Очки для обнаружения умных очков со встроенными камерами

Я экспериментирую с двумя основными подходами:

  • Оптика: классифицировать камеру по отражению света.
  • Сеть: анализ Bluetooth и Wi-Fi.

Пока что снятие отпечатков конкретных устройств через Bluetooth (BLE) выглядит самым простым и надежным подходом. Изображение ниже — это первая версия, которая проигрывает джингл 'secret found' из The Legend of Zelda при обнаружении BLE-рекламы от Meta Raybans.

По сути, я веду этот README как бортовой журнал, поэтому здесь будут мои текущие подходы и идеи.

Оптика

Посылая инфракрасное излучение на объективы камер, мы можем использовать тот факт, что CMOS-сенсор в камере отражает свет обратно к источнику (это называется 'ретрорефлективность' или 'эффект кошачьего глаза'), чтобы идентифицировать камеры.

Это не совсем новая идея. В 2005 году некоторые исследователи использовали это свойство для создания 'сред, устойчивых к съемке', когда набирали популярность смартфоны с камерами.

  • https://homes.cs.washington.edu/~shwetak/papers/cre.pdf

Есть даже недавнее исследование (2024), в котором выяснили, как классифицировать отдельные камеры по их ретроотражениям.

  • https://opg.optica.org/oe/fulltext.cfm?uri=oe-32-8-13836

Сейчас у нас похожая ситуация, как у тех исследователей 2005 года, когда умные очки со скрытыми камерами становятся все популярнее. Поэтому я хочу создать очки для их обнаружения. К сожалению, насколько я могу судить, большинство существующих исследований в этой области записывают данные с камеры, а затем используют ML, множество контролируемых углов и т.д., чтобы отличать обычные отражающие поверхности от камер.

Я бы чувствовал себя глупо, если бы мое решение использовало собственную камеру. Поэтому я этого избегаю. Вместо этого, думаю, мне придется полагаться на последовательность моих 'проходов' и создать хороший классификатор на основе сигнальных данных. Например, здесь видно, что задняя камера моего смартфона дает быстрые и большие всплески, а глянцевый экран создает более длинную волну.

Протестировав Meta Raybans, я понял, что такой setup недостаточен. Вот тест нескольких проходов области камеры + той же области, когда объектив закрыт. Видно, что форма сигнала похожа на более ранний тест (короткий всплеск для камеры, более широкий в остальных случаях), но она крайне нестабильна, а сила сигнала очень слабая. Это с расстояния около 4 дюймов от светодиодов. Я не заметил большой разницы при смене светодиодов 940 нм и 850 нм.

По крайней мере, с текущим оборудованием, которое мне легко доступно, этого, вероятно, недостаточно для точного различения.

Еще одна идея — создать заданный 'паттерн' прохода. Пользователь (в очках-детекторе) выполняет определенную схему сканирования цели. Используя захваченные формы сигналов, возможно, можно точнее идентифицировать Raybans. Например, проход по очкам цели в направлении 'влево, вправо, вверх, вниз'. Я проверил это, сравнив результаты Meta Raybans с некоторыми авиаторами, которые у меня были. Думаю, идея этого подхода здравая (на самом деле это свет), но она может потребовать доработки.

ИК-схема

Для прототипирования я использую:

  • Arduino uno
  • набор ИК-светодиодов 940нм и 850нм
  • фотодиод в качестве приемника
  • транзистор 2222A

TODO по ИК:

  • экспериментировать с паттернами проходов

  • сосредоточиться на спектральной информации, попробовать комбинировать данные с разных длин волн

  • коллимация?

  • Тревор (автор статьи по классификации камер) упоминал в ноябре, что если в очках есть LiDAR, я мог бы просто искать эти импульсы. У Ray-Bans, похоже, этого нет, но у других умных очков может быть. В этом блоге, опубликованном в декабре, есть интересное исследование по обнаружению камер iPhone с помощью этого подхода: https://www.atredis.com/blog/2025/11/20/designing-a-passive-lidar-detection-sensor

Сеть

Это оказалось сложнее, чем я думал! Мой текущий подход — идентифицировать Meta Raybans через рекламные пакеты Bluetooth с низким энергопотреблением (BLE). Но мне удавалось обнаружить BLE-трафик только во время 1) сопряжения и 2) включения. Иногда я также вижу рекламу, когда их достают из чехла (уже включенными), но не постоянно.

Цель — обнаруживать их во время использования, когда они общаются с сопряженным телефоном, но для просмотра такого направленного BLE-трафика сначала нужно увидеть пакет CONNECT_REQ, который содержит информацию о том, по каким каналам связи переключаться синхронно (интервал скачков, приращение скачков). Это можно сделать с помощью nRF52840 + прошивки ble-sniffer, но это не отменяет того факта, что вам все равно нужно увидеть это начальное соединение, чтобы начать сниффинг.

Немного дополнительной информации о BLE:

  • работает на 40 каналах, 3 из которых предназначены только для рекламы, а остальные — для данных.
  • современные устройства (как Meta Ray-Bans) имеют рандомизированные публичные MAC-адреса для конфиденциальности. Хотя IEEE назначает определенные префиксы MAC-адресов (OUI, 'Organizationally Unique Identifier'), рандомизация означает, что это, похоже, не полезно для обнаружения.
  • чтобы следить за разговором на каналах данных, нужно наблюдать начальный пакет запроса соединения, содержащий необходимую информацию
  • рекламные данные содержат полезную информацию, но не обязательно передаются очень часто. при использовании расширенной рекламы для увеличения размера полезной нагрузки для этого могут использоваться другие каналы.
  • https://academy.nordicsemi.com/courses/bluetooth-low-energy-fundamentals/lessons/lesson-2-bluetooth-le-advertising/topic/advertisement-packet/
  • вы можете отправить SCAN_REQ устройствам, которые рекламируются, и они (могут) ответить дополнительной информацией о себе ('активное сканирование')

При включении или переводе в режим сопряжения (или иногда при извлечении из чехла) я могу обнаружить устройство через рекламируемые данные производителя и UUID сервисов. Это части рекламных данных. 0x01AB — это идентификатор, назначенный Meta организацией SIG (стандарт Bluetooth), и 0xFD5F в UUID сервиса также назначен Meta. В коде вы можете увидеть другие числа, которые я использую для идентификации.

  • https://www.bluetooth.com/wp-content/uploads/Files/Specification/HTML/Assigned_Numbers/out/en/Assigned_Numbers.pdf

Что касается трафика Bluetooth Classic (BTC), к сожалению, оборудование кажется более сложным (читай: дорогим). Так что если я хочу пойти по этому пути, вероятно, нужно более хитрое решение.

захват при включении очков:

[01:07:06] RSSI: -59 dBm
Address: XX:XX:XX:XX:XX:XX
Name: Unknown

META/LUXOTTICA DEVICE DETECTED!
  Manufacturer: Meta (0x01AB)
  Service UUID: Meta (0xFD5F) (0000fd5f-0000-1000-8000-00805f9b34fb)

Manufacturer Data:
  Company ID: Meta (0x01AB)
  Data: 020102102716e4
Скачать инструмент

Популярное

Смотреть все →

Откройте для себя самые используемые инструменты нашего сообщества.

  • 1

    OsintHunter

    letox4/osinthunter

    🎯 Полный набор инструментов OSINT: граф расследования, оценка достоверности, семейства псевдонимов, карта, временная шкала и отчёты. 49 модулей, более 400 сайтов, API-ключи не требуются.

    732
  • 2

    ghostlock-app

    yukonga/ghostlock-app

    # Приложение GhostLock с запуском в один клик (CVE-2026-43499)

    506
  • 3

    ARTEX

    baarai/artex

    Платформа автономного тестирования на проникновение на основе мультиагентной LLM с агентами-планировщиками и агентами-исполнителями, графами активов и исследования, записью MITM-трафика и повторной проверкой уязвимостей.

    405
  • 4

    redforge

    cybersecurity91/redforge

    Браузерный инструментарий для red team с 102 офлайн-инструментами для разведки, генерации полезной нагрузки, атак на учётные данные, криптографии, кодирования и отчётности по проектам.

    342
  • 5

    CyberStrikeAI

    ed1s0nz/cyberstrikeai

    Система действий для кибербезопасности на базе ИИ — где намерение превращается в управляемое исполнение, доказательства становятся оперативной памятью, а каждая операция улучшает следующую.

    261
  • 6

    antifox

    antifox-ai/antifox

    Мультиагентная платформа автономного тестирования на проникновение на базе ИИ, которая выполняет разведку, обнаружение поверхности атаки, валидацию эксплуатации и подготовку отчётов с подтверждающими доказательствами.

    259

Изучить все инструменты

Просмотрите нашу коллекцию инструментов

Смотреть все инструменты →