窃听风云！手机 App 无授权就能监听电话，成功率竟高达 90%

窃听风云！手机 App 无授权就能监听电话，成功率竟高达 90%

当涉及到个人信息的安全时，您再怎么小心也不过分。

作者 | 输入/输出

编辑| 贾伟

您永远不会想象您的智能手机有多么不可靠。

在你不知情、没有任何系统授权的情况下，你的语音通话就可以被别有用心的攻击者通过一个不起眼的部件——加速度传感器监听到，而这个部件使用的是扬声器。 发出声音振动信号。

更可怕的是，攻击者的成功率理论上可以高达90%。

1. 加速度传感器如何泄露您的信息？

近日，在国际信息安全界顶级会议“网络与分布式系统安全会议（NDSS 2020）”上，浙江大学网络空间安全学院任奎教授团队发表文章，来自加拿大麦吉尔大学和多伦多大学的学者团队。 最新研究结果显示：

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，从而窃听用户的语音。

令人惊讶的是，这种窃听方法并没有违反当前的监管要求。

加速度传感器是目前智能手机中常见的可以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。 在加速过程中，传感器改变质量块的运动。 通过测量惯性力，利用牛顿第二定律得到加速度值。 它返回的数据值是当前手机在x、y、z三个方向上的加速度值。

在日常手机应用中，加速度传感器通常被用户用来测量速度、记录步数等，因此在一般感知中似乎与通话、短信、通讯录等敏感信息相关。 因此，App无需获得用户授权即可获取智能手机。 加速度信息。

这给犯罪分子留下了可乘之机。

研究团队发现，由于运动传感器和扬声器配置在手机的同一主板上，因此它们的位置非常接近。 因此，无论智能手机放置在何处以及如何放置（例如放在桌子上或手中），扬声器发出的语音信号始终会对陀螺仪和加速计等运动传感器产生重大影响。

具体来说，该语音信号引起的振动将被加速度传感器接收并产生读数。 攻击者可以通过深度学习算法来分析这种由振动引起的读数，并解读关键信息。 ，甚至可以还原为扬声器播放的声音信号。

论文中，这种攻击方法被命名为（加速度计窃听）——一种基于深度学习加速度计信号的新型“侧通道”智能手机窃听攻击。

通过深度学习算法，研究团队实现了语音识别和语音恢复两大类窃听攻击。

在语音识别方面，研究人员使用了一种名为“热词搜索”的识别模型——使用来自四名志愿者（两男两女）的 200 个短句子（每个句子包含一到三条信息）中的敏感词，例如密码、用户名、社交信息、安全信息、号码、电子邮件地址、卡号等）进行测试，发现该模型的识别率高达90%。

即使在嘈杂的环境下，识别率也能达到80%。

此外，研究团队还利用“重构模型”进行语音还原——实验结果表明，当志愿者聆听重构语音（包含信息敏感词）时，能够很好地区分其中包含的敏感词。 。 信息。

为了测试实际场景中的效果，论文中研究人员还进行了现实场景下的信息攻击实验。 在这个实验中，攻击者通过电话询问密码，实验的目标是利用攻击者手机的加速度计来定位并识别会话中的密码——结果显示，在 240 个会话测试中，成功定位和识别密码的成功率超过 85%。

可见，在特定技术的支持下，利用加速度计窃取个人信息是非常容易的。

当然，考虑到该技术采用深度学习算法，获得的数据越多，自然获得更高的准确率； 但事实上，对于犯罪分子来说，准确率达到80%以上就足够了。

任奎教授在接受南方都市报记者采访时表示：

从犯罪分子的角度来看，他的目标并不是100%恢复人声。 只要里面的敏感信息能够被攻击者提取出来，就足以产生潜在的利益了吧？ 可以说，攻击者监控用户是没有成本的。

2. 除了加速度计之外，还要注意手机中的陀螺仪。

需要注意的是，加速度计并不是唯一可以被犯罪分子利用的手机传感器——事实上，陀螺仪也可以用来做文章。

2017年4月，英国纽卡斯尔大学的研究团队发现，智能手机中的大量传感器可能泄露个人隐私信息，甚至可以通过陀螺仪倾斜角度信息识别4位PIN密码。 经过五次尝试，破解率高达100%。

陀螺仪也称为角速度传感器，与加速度计（G-）不同。 它测量的物理量是偏转和倾斜时的旋转角速度。 加速计无法测量或重建完整的 3D 运动。 只能检测轴向直线运动； 但陀螺仪可以很好地测量旋转和偏转运动，从而可以准确地分析和确定用户的运动。 实际行动。

在手机上，陀螺仪可以通过测量偏转、倾斜等角速度来控制游戏主角用手的视野和方向，还可以稳定手机摄像头，辅助GPS惯性导航——本质其中就是利用物理学。 学习科里奥利力会在内部产生电容的微小变化，然后测量电容来计算角速度。

英国团队的研究中，利用了用户按压屏幕时产生的手机倾斜变化的数据。 因为号码的位置是固定的，所以可以计算出4位PIN码——当然，前提是它嵌入在网站上。 在用户确认授权获取信息后，恶意代码可能会在不知不觉中获取传感器数据。

值得一提的是，在解读数据破解密码的过程中，首次尝试的准确率为74%。 经过五次尝试，密码可以100%被破解。 该方法的主要困难在于它需要准确了解用户当前的运动模式。 和数据采集。

但需要注意的是，获取陀螺仪信息并不那么容易。 这里所说的74%的识别率是基于数百次破解程序训练得出的。

当然，通过手机加速度计进行语音窃听的研究也在一定程度上依赖于研究中提出的深度学习模型。 这本身就是一件技术门槛很高的事情——毕竟犯罪分子在现实生活场景中实施这样的窃听也是极其困难的。

尽管如此，许多关于智能手机安全的研究仍然充分证明了智能手机在保护个人信息安全方面的脆弱性； 即使是看似与个人隐私无关的传感器层面，也隐藏着许多容易被忽视的安全漏洞。

正如任奎教授所说，这种新的攻击路径和技术的发现，可以让更多的人关注手机传感器安全，研究和调查手机软件和硬件上的安全漏洞，减少造成的国家安全和社会经济后果。通过信息泄露。 损失。

毕竟，在涉及个人信息的安全性时，您再怎么小心都不为过。