靠聽打字聲偷密碼：AI 識別鍵盤按鍵準確率超 90%

開著 Zoom 開會時順手敲一串密碼，可能已經被 AI 聽得一清二楚了。

來自英國杜倫大學、薩里大學和倫敦大學皇家霍洛威學院的研究團隊，最近在 IEEE 歐洲安全與隱私研討會上公佈了一項研究：他們訓練了一個機器學習模型，光憑按鍵發出的聲音，就能猜出你按下了哪個鍵。

隔著電話聽聲辨鍵，準確率超過 90%

這項實驗用的裝置相當日常。研究人員找來一臺 MacBook Pro，連續按下了上面的 36 個按鍵，包括所有英文字母和數字。

為了模擬真實按鍵，每個鍵按了 25 次，換了不同的手指，用的力度也輕重不一。

按鍵的聲音通過兩種方式記錄：一種是放在鍵盤旁邊的智慧手機，另一種就是普通的 Zoom 線上會議。

隨後，他們把部分錄音餵給機器學習演算法，讓模型去抓取每一個按鍵特有的聲學特徵。

測試結果相當驚人。如果是手機錄下的聲音，模型識別單個按鍵的準確率高達 95%；即使是通過 Zoom 壓縮傳輸後的音訊，準確率依然達到了 93%。

杜倫大學的第一作者 Joshua Harrison 解釋說，模型之所以能分清，很大程度上是因為按鍵在鍵盤上的物理位置不同。按鍵距離鍵盤邊緣的遠近，會導致發出的聲音出現細微差別。

華威大學的馮浩教授還提醒，除了聲音，影片裡肩膀和手腕的微小動作，同樣可能出賣按鍵資訊，哪怕你的攝像頭根本拍不到鍵盤。

防禦的方法意外地簡單

不過，研究團隊也明確表示，這目前還是一項概念驗證研究。實驗室裡的單鍵測試，和在現實中跑去嘈雜的咖啡館破解一整串連續密碼，還是有很大差距的。

要防範這種被稱作「聲學側通道攻擊」的手段，其實不需要換掉鍵盤。

研究人員給出了幾條很實用的建議：儘量使用指紋或面容等生物識別登入，或者開啟雙重驗證。

如果非要手打密碼，多用 Shift 鍵切換大小寫或輸入符號也是個好辦法。因為對於監聽演算法來說，很難判斷你究竟在什麼時候鬆開了 Shift 鍵。

為什麼重要

對普通人來說，這並不是一個需要明天就恐慌的漏洞，但它實打實地給我們敲了個警鐘。遠端辦公普及之後，大家開著麥克風、攝像頭打字成了家常便飯，很多人完全沒意識到輸入行為本身就會洩露隱私。如果你經常開著會議麥克風敲敏感資訊，現在最該做的，就是養成開麥時閉嘴也閉麥的習慣，或者直接換用密碼管理器和指紋識別。

我們認為，這項研究最聰明的地方在於它沒有依賴特製的昂貴收音裝置，僅僅靠一部手機和日常的 Zoom 通話就把準確率拉到了 90% 以上。它打破了很多人覺得「壓縮音訊音質差就安全」的直覺。

隱患在於，隨著家庭和辦公環境裡的智慧麥克風越來越多，駭客利用環境聲音發動側通道攻擊的門檻正在飛速降低。這看起來是在逼著會議軟體廠商把降噪做得更徹底，甚至未來可能需要在檢測到鍵盤敲擊聲時，主動在底層音訊流裡把敲擊頻率模糊掉。