倫敦大學(xué)、達(dá)勒姆大學(xué)和薩里大學(xué)的研究人員開(kāi)發(fā)了一種新穎的人工智能系統(tǒng)，可以通過(guò)聽(tīng)鍵盤的聲音來(lái)竊取用戶輸入的內(nèi)容，從而收集潛在的敏感數(shù)據(jù)。

　　該算法在一篇新的研究論文中提出，并在 MacBook Pro 鍵盤上進(jìn)行了測(cè)試，結(jié)果顯示，僅僅通過(guò)錄音就可以準(zhǔn)確地檢測(cè)到按下的按鍵，準(zhǔn)確率達(dá)到93-95%。研究人員還指出，手機(jī)、筆記本電腦和其他設(shè)備中的麥克風(fēng)非常普遍，因此可以通過(guò)聲學(xué)旁道攻擊來(lái)危害數(shù)據(jù)安全。

　　根據(jù)研究人員的說(shuō)法，他們的人工智能模型也超過(guò)了其他基于硬件的方法，后者面臨著距離和帶寬限制的問(wèn)題。由于常見(jiàn)消費(fèi)設(shè)備中嵌入了麥克風(fēng)，鍵盤聲學(xué)更加容易暴露和獲取。 那么，這個(gè)新的音頻算法是如何工作的呢?研究人員首先錄制了在 MacBook Pro 鍵盤上敲擊按鍵的音頻樣本，每個(gè)按鍵敲擊25次。這樣可以讓人工智能系統(tǒng)分析每個(gè)按鍵發(fā)出的微小聲音變化。 然后，音頻錄音被轉(zhuǎn)換成頻譜圖，即聲音頻率隨時(shí)間變化的可視化表示。

　　人工智能模型通過(guò)這些頻譜圖進(jìn)行訓(xùn)練，學(xué)會(huì)將不同的模式與不同的按鍵關(guān)聯(lián)起來(lái)。 通過(guò)將這個(gè)訓(xùn)練過(guò)程應(yīng)用于數(shù)千個(gè)音頻片段，算法學(xué)習(xí)了每個(gè)按鍵敲擊時(shí)的聲學(xué)指紋之間的微妙差別。一旦對(duì)特定鍵盤進(jìn)行了訓(xùn)練，人工智能就可以分析新的音頻錄音并以高準(zhǔn)確率預(yù)測(cè)按鍵。

　　研究人員發(fā)現(xiàn)，在對(duì) MacBook Pro 鍵盤進(jìn)行訓(xùn)練時(shí)，該算法的準(zhǔn)確率在93-95% 之間。即使在 Zoom 通話錄音中測(cè)試鍵盤聲音時(shí)，性能也僅略微下降。 該人工智能系統(tǒng)需要根據(jù)特定的鍵盤型號(hào)和音頻環(huán)境進(jìn)行校準(zhǔn)。然而，如果攻擊者能夠獲取適當(dāng)?shù)挠?xùn)練數(shù)據(jù)，這種方法可能具有廣泛的適用性。通過(guò)定制模型，惡意行為者有可能竊取密碼、消息、電子郵件等信息。

　　在面對(duì)這種攻擊時(shí)，有一些方法可以保護(hù)您的數(shù)據(jù)，而不需要低聲打字。觸摸打字似乎會(huì)使模型混淆，導(dǎo)致準(zhǔn)確率下降到40%。改變打字風(fēng)格、通過(guò)揚(yáng)聲器播放聲音以及使用觸摸屏鍵盤也被提到作為對(duì)抗措施。還可以嘗試改變鍵盤的聲學(xué)特性，這樣可以使人工智能無(wú)法使用，因?yàn)樗�需要重新進(jìn)行訓(xùn)練。

　　研究人員建議進(jìn)一步研究如何檢測(cè)和防范這些新興的威脅。隨著人工智能不斷解鎖利用無(wú)處不在的數(shù)據(jù)來(lái)源的新潛力，保持?jǐn)?shù)據(jù)安全和隱私將需要同樣的創(chuàng)新能力來(lái)識(shí)別和減輕意外漏洞的風(fēng)險(xiǎn)。