原来，手机是这样“窃听”你的！

原来，手机是这样“窃听”你的！

你的手机可能正在“窃听”你！

2019年3月15日，《IT时报》提出的终极质疑引发了全社会的关注和反思。 （2019年315手机窃听报告请参阅文末推荐阅读）

问问自己，我们每个人似乎都遇到过这样的情况：我们刚刚和朋友讨论某事，当我们打开手机上的应用程序时，弹出了它的广告推荐。

比如，我刚说我想吃新疆菜，外卖app首页就神奇地显示了新疆菜的推荐； 我刚刚说我想买一个除螨仪，电商app里就出现了除螨仪的广告。

今年3月15日，本报再次将目光投向这个与所有手机用户息息相关的话题：手机真的在“监控”我吗？ 手机App如何具备“读心术”？

更吊诡的是，当你打开手机设置，想要关闭某些应用的麦克风权限时，却突然发现该应用根本没有这个权限。

没有授权麦克风，到底怎么可能“窃听”！ 《IT时报》记者通过采访发现，这并不是天方夜谭。 目前已经发现的至少有两种技术手段，可以完全让移动App在未经授权的情况下“窃听”你。

方法1

加速器“点击”扬声器

特点：技术实现难度较大，但所有被盗的个人隐私数据，包括个人身份、地址、密码、语音特征等都可能被全部盗取，个人手机用户基本无法防范。

“生活中难免会出现这样的场景：用户A正在使用智能手机公开播放微信语音，而用户B正在使用智能手机拨打电话。

最新研究表明，当两个人同时在手机上下载了记录用户步数的应用程序时，两个人的语音信息很可能会通过手机的加速度传感器泄露并被攻击者利用。 ”

罪魁祸首：加速度计

这并非危言耸听。

在没有任何授权的情况下，攻击者可以利用手机中扬声器与加速器之间的距离来识别用户A和用户B的语音信息，并将其还原为声音信号。

上述研究成果来自浙江大学网络空间安全学院院长任奎团队。

近日，在网络与分布式系统安全大会（NDSS）上，来自浙江大学网络空间安全学院、加拿大麦吉尔大学、多伦多大学学者团队的任奎团队展示了一项新的研究成果。

结果表明，智能手机App可以在用户不知情和系统授权的情况下，利用手机内置的加速度传感器采集手机扬声器发出的声音的振动信号，从而窃听用户的声音。

加速度传感器是目前智能手机中常见的能够测量加速度的传感器。 它通常由质量块、阻尼器、弹性元件、敏感元件和调节电路组成。

iOS开发者文档中提供了加速度传感器的调用方法

在日常手机应用中，加速度计通常被用户用来测量速度、记录步数等。

此类记录步数的应用程序使用加速度计

非常重要的一点是，与测量步数相关的应用程序实际上可以在未经用户授权的情况下获取智能手机的加速度信息。

由于业界普遍认为手机加速度计无法轻易获取或推断麦克风、摄像头、地理位置等敏感个人信息，因此App调用手机加速度计读数或获取相应权限几乎不会遇到阻力。

也正是因为如此，通过手机加速度计发起的攻击不仅具有隐蔽性，而且还“合法”。

专家解答：三种攻击让个人隐私无处可藏

作为上述研究成果的成员之一，浙江大学“百人计划”研究员、网络空间安全学院博士生导师秦战表示：

“由于手机中的扬声器和加速计距离非常近，并且安装在同一主板上，因此播放声音的扬声器产生的振动会显着影响手机中加速计的读数。

攻击者可以利用加速度传感器采集手机声音引起的振动信号，进而识别甚至还原手机播放的声音信号。 ”

通过深度学习算法，研究实现了语音识别和语音恢复两大类，共三种有效的窃听攻击。

第一种攻击：语音密码识别

威胁：可导致网银、银行卡密码等被盗。

通过这种技术，攻击者可以识别智能手机播放的用户语音中包含的所有数字和字母信息。

例如，用户A通过语音消息向用户B发送一条银行卡密码。 当用户B播放这段音频时，采集动作数据的App可以在后台采集相应的加速度计数据，然后通过分析加速度计数据来识别语音信息中包含的密码。

“根据我们的实验结果，在安静的环境下，我们的模型可以准确识别语音信息中86%的数字。即使在嘈杂的环境中（例如有人说话的实验室或有音乐的酒吧），模型也可以准确识别语音信息中86%的数字。”准确识别可以达到80%以上的准确率。” 秦战说道。

第二次攻击：语音敏感词识别

威胁：可能导致用户个人隐私信息被盗

攻击者可以利用该技术来定位和识别用户语音通话中的敏感信息，包括省份、城市、信用卡、身份证等。

例如，用户A通过电话告知用户B家庭住址等敏感信息。

通话过程中，第三方应用（如音乐、阅读、健康等）可以在后台收集加速器数据，识别用户语音中包含的省份、城市、甚至街道信息，进而确定用户的位置。地址。

根据实验结果，在此类针对敏感词的检索攻击中，该模型可以准确定位超过88%的敏感词。

第三次攻击：言语恢复

威胁：可导致用户手机部分内容被直接窃听

该技术通过学习加速器数据与音频数据之间的映射和关联，可以将加速器采集到的振动信号恢复为原始音频信号。

也就是说，当用户拨打电话或接收语音消息时，攻击者可以通过加速器数据直接恢复手机播放的语音消息。 然后手动识别敏感信息。

对于这种攻击，由于加速器采样率的限制，目前的语音重建模型只能重建以下音频数据，但重建的音频已经包含了成人语音的所有元音信息，很容易被人类识别。

“不难看出，通过上述三种攻击，攻击者可以获得包括全套个人信息、财务密码、关键语音敏感信息在内的大量隐私数据。

如果被不法分子获得，就可以拼凑出一套完整的近乎完整的个人隐私信息系统，这对每个人的财产造成非常直接和巨大的威胁。 ”

每部智能手机都有被“挖掘”的潜力

“在特定技术的支持下，窃听的条件非常简单。”

秦战告诉《IT时报》记者，受害者需要使用内置加速度传感器的智能手机，并安装恶意应用程序。 攻击者可以利用恶意应用程序在受害者不知情的情况下读取窃听者手机的传感器数据。

这个行为甚至不需要实时接收数据信息，可以直接缓存在App后台。

在测试中，团队在实验过程中使用了华为和三星手机进行测试。 即使在噪声环境下，上述实验的识别率甚至高达80%。

目前国内外所有手机厂商，无论是华为、荣耀、苹果、OPPO、vivo、小米、三星、红米、魅族等品牌的智能手机，都配备了加速度传感器，手机的配置越好同一平台的手机，传感器频率越高越好。 值越高，潜在风险越大。

秦展认为，拥有有价值信息的手机用户更容易被窃听。 具体场景可以是：手机用户正在使用手机扬声器与他人交流，或者正在玩通讯软件，例如微信、钉钉等。 信息等

至关重要的是，从系统授权的角度来看，访问加速计数据进行处理是“合法的”。

“由于加速度计数据被认为是不敏感的，因此应用程序不需要申请系统权限或通知用户读取加速度计数据。因此，从系统授权的角度来看，获取加速度计读数并重新处理是合法的。” 秦战说道。

在没有系统授权的情况下，只要满足窃听条件，攻击者就可以实现对用户隐私的“窥探”。

现阶段攻击难以防御

知道自己的隐私被窃听后，很多用户常常感到一阵寒意。

针对上述窃听攻击，任奎团队提出了三种防御攻击方案。

由于正常人类语音的最低基频为85Hz，第一个有效的解决方案是限制传感器的采样频率。

根据奈奎斯特采样定理，当传感器使用低于170Hz的频率时，将无法再现85Hz以上的频率成分，识别精度会下降。

实验研究表明，当传感器采样率为50Hz时，识别率下降至30%。

第二种常见且有效的防御方案是，App在后台高频度采集传感器数据时，需要首先获得用户的许可，或者明确通知用户。

例如：当App在后台采集语音信号时，iOS系统会在状态栏中显示一个闪烁的“麦克风”图标。 系统中也应该部署类似的机制，提醒用户手机的传感器数据何时、何地、如何被收集。 正在使用。

该方案将严重影响所有需要调用加速器的App运行，导致大规模的系统更新和App软件升级。

第三种解决方案是修改硬件设计，采用物理隔离的方式，让各种传感器很难采集到扬声器声音的振动信号，从而彻底防御此类侧信道攻击。

秦战坦言，实施上述方案的经济和社会成本较高，短期内很难完全杜绝此类窃听攻击的发生。

“理论上来说，假设有人在手机上安装了恶意应用程序，并且用户也在用手机说话，恶意应用程序可以感知到手机的振动，然后识别并部分恢复为语音。这种可能性存在。”

上海交通大学网络信息中心副主任姜凯达认为，智能手机用户需要保护个人隐私，但也无需过度紧张。

“有可能，但并不代表此类恶意应用已经出现并广泛传播。出于安全考虑，建议用户通过主流应用市场下载应用。知名应用市场中的应用大多已通过正规渠道的审核和安全。检测可以在一定程度上降低个人隐私信息泄露的风险。” 蒋凯达说道。

方法二：“浏览器指纹”搞乱

特点：该技术易于实现。 主要窃取和分享同一局域网内家庭成员、同事的使用习惯，并进行匹配和分享推荐。 造成的危害相对较小。

“为什么我和同事聊天的话题突然出现在我的手机上？我和老公私下里聊产品，怎么会在app里弹出来？

《IT时报》记者采访网络安全专家发现，背叛你的可能不全是手机麦克风，还有你的局域网。 ”

悄悄记录“浏览器指纹”

用户恩慧（化名）告诉记者，她在与同事面对面聊天时提到了摩托车电池，但此前她从未搜索过与电池相关的内容。

刚打开闲鱼App，手机界面就出现了一个与电池相关的链接。 与此同时，她的同事正在搜索摩托车电池相关产品，恩慧的闲鱼APP没有打开麦克风的权限。

网络尖刀团队创始人瞿子龙表示，从技术角度来看，上述案例都是通过“依赖肖像”来实现的。

科技公司通过大数据为每个人建立用户画像，然后根据人们的习惯和喜好推送广告。

每当用户在互联网上留下痕迹时，这条痕迹就成为了用户的习惯或偏好，会被记录在大数据中，成为用户画像中的一个维度。

于是，用户在互联网上留下的痕迹和浏览记录就成为了用户的“浏览器指纹”。

周围人之间的“依赖关系”

围绕“指纹”系统，用户的手机MAC地址、网卡序列号，甚至基于手机的其他硬件识别构成了动态的用户画像。

用户使用的微信、QQ或其他浏览器的账号成为不同应用保存的“用户指纹ID”。 如果两个人处于同一个网络环境中，那么两个人就会产生依赖关系。

以电商平台的购物链接为例，A与B共享了一个购物链接，这是B视角下的购物界面，但在浏览器中看到的数据信息是双方A的“浏览器链接”和B.指纹”，大数据会将A和B定义为依赖关系。

当第三人C出现时，A和C互不认识，但B和C认识，C打开B浏览的购物链接，大数据画像会认为C的设备上也有B的浏览器指纹。到大数据的依赖关系将A和C的手机所有者匹配为相关。

当A通过自己的网络打开浏览器并留下浏览器指纹时，大数据就会根据A的喜好将A喜欢的信息推送给B和C。

这就解释了为什么在办公室、家庭等环境下，不同的人获得的App推荐信息往往是相似的。

此外，在构建用户画像的过程中，麦克风权限也是要素之一。

如果A和B处于相同的网络/地址状态，则通过面对面聊天讨论产品。 一旦触发应用的敏感词，例如点餐、导航等，应用后台就会通过启用的麦克风权限监控用户的聊天内容。

即使用户没有打开麦克风的权限，由于两人之间的大数据依赖，当两个人同时打开同一个App或浏览器时，聊天中提到的产品或信息也会出现。

作者/IT时报记者 李丹琪

编辑/踢女孩

图/网络 IT时报

来源/《IT时报》公众号