最近,蘭開斯特大學(xué)的一組研究人員在arXiv上發(fā)表了一篇論文,演示了他們?nèi)绾卫弥悄苁謾C(jī)的麥克風(fēng)與揚(yáng)聲器系統(tǒng)竊取設(shè)備的解密信息。
盡管人們短期內(nèi)還無需為此類攻擊感到擔(dān)憂,但研究人員們確實(shí)證明這種攻擊的安全隱患。根據(jù)研究人員介紹,這種“SonarSnoop”攻擊能夠?qū)⒐粽叩慕怄i操作次數(shù)減少70%,在人們不知情的條件下執(zhí)行黑客入侵。
在信息安全領(lǐng)域,“旁道攻擊(side-channel attack)”是指一種黑客行為,其無需利用目標(biāo)程序中的安全缺陷、亦不必直接訪問目標(biāo)信息。以SonarSnoop為例,黑客希望獲得的實(shí)際是目標(biāo)手機(jī)的解鎖密碼,但不同于直接對(duì)密碼內(nèi)容進(jìn)行暴力破解,或者直接窺視受害者的密碼信息,SonarSnoop會(huì)利用其它可能導(dǎo)致密碼泄露的輔助信息——即在設(shè)備上輸入密碼時(shí)產(chǎn)生的獨(dú)特聲音。
也就是說,SonarSnoop適用于任何能夠與麥克風(fēng)及揚(yáng)聲器交互的環(huán)境。
聲學(xué)旁道攻擊已經(jīng)在PC以及其它多種聯(lián)網(wǎng)設(shè)備當(dāng)中得到廣泛應(yīng)用。舉例來說,研究人員可以通過竊聽硬盤風(fēng)扇的聲音隔空從計(jì)算機(jī)中恢復(fù)數(shù)據(jù)內(nèi)容。他們還能夠通過聯(lián)網(wǎng)打印機(jī)的聲響確定打印在紙上的內(nèi)容,或者根據(jù)3D打印機(jī)的聲音重建打印的3D對(duì)象。多數(shù)情況下,這些都屬于被動(dòng)型旁道攻擊,意味著攻擊者只是在聆聽設(shè)備運(yùn)行時(shí)自然產(chǎn)生的聲音。
但此次SonarSnoop案例之所以如此重要,是因?yàn)?strong>研究人員第一次成功在移動(dòng)設(shè)備上演示了有源聲學(xué)旁道攻擊——即對(duì)用戶主動(dòng)操作設(shè)備時(shí)發(fā)出的聲音進(jìn)行利用。
當(dāng)用戶們無意在自己的手機(jī)上安裝惡意應(yīng)用程序時(shí),攻擊就已經(jīng)開始了。在用戶下載受感染的應(yīng)用程序后,他們的手機(jī)會(huì)開始廣播聲音信號(hào),而該信號(hào)恰好高于人類的聽覺范圍。聲音信號(hào)會(huì)在手機(jī)周邊的各個(gè)物體上進(jìn)行反射,并產(chǎn)生回聲。此后,手機(jī)上的麥克風(fēng)會(huì)對(duì)回聲進(jìn)行記錄。
通過計(jì)算聲音反射以及回聲與聲源間的返回時(shí)差,即可確定物體在給定空間中的位置以及該物體是否進(jìn)行了移動(dòng)——這就是聲納(sonar)的原理。同樣,通過分析由設(shè)備麥克風(fēng)錄制的回聲,研究人員即可利用聲納原理追蹤用戶手指在智能手機(jī)屏幕上的移動(dòng)軌跡。
在Android手機(jī)上廣泛部署的3 x 3連線解鎖機(jī)制擁有近40萬種可能的模式,但此前的研究表明,20%的用戶只會(huì)使用12種常見組合中的一種。在測(cè)試SonarSnoop時(shí),研究人員也僅專注這十余種解鎖組合。
為了測(cè)試聲納攻擊的能力,研究人員選擇了三星Galaxy S4手機(jī)——一部于2013年首發(fā)布的Android手機(jī)。雖然這種攻擊在理論上適用于任何手機(jī)型號(hào),但由于旋轉(zhuǎn)的位置不同,信號(hào)分析工作必須根據(jù)特定手機(jī)型號(hào)對(duì)揚(yáng)聲器及麥克風(fēng)位置進(jìn)行調(diào)整。蘭開斯特大學(xué)博士生Peng Cheng在接受郵件采訪時(shí)表示,“我們預(yù)計(jì)iPhone也同樣會(huì)受到攻擊,但我們目前只測(cè)試了針對(duì)Android機(jī)型的攻擊能力。”
此次研究招募到10名志愿者,他們的任務(wù)是在自定義應(yīng)用程序當(dāng)中繪制12種模式中的5種。而后,研究人員嘗試?yán)枚喾N聲納分析技術(shù)根據(jù)手機(jī)發(fā)出的聲學(xué)特征進(jìn)行密碼重建。目前,最佳分析技術(shù)能夠在12種常見組合中平均嘗試3.6次即找到正確的解鎖模式。
雖然SonarSnoop攻擊還稱不上完美,但其已經(jīng)能夠?qū)⒈匾獓L試次數(shù)減少達(dá)70%。研究人員們寫道,未來,他們希望通過進(jìn)一步縮短聲納脈沖的時(shí)間間隔以及探索更多不同信號(hào)分析策略的方式,改善其判斷準(zhǔn)確度。
為了防止這類攻擊被實(shí)際應(yīng)用,研究人員建議手機(jī)制造商在設(shè)備設(shè)計(jì)階段將問題考慮進(jìn)來。最好的預(yù)防方法是將設(shè)備揚(yáng)聲器的聲學(xué)范圍限制為人類能夠聽到的波長(zhǎng)區(qū)間,或者允許用戶在其設(shè)備上使用敏感信息時(shí)選擇性地關(guān)閉聲音系統(tǒng)。當(dāng)然,繼續(xù)改進(jìn)對(duì)惡意應(yīng)用程序下載活動(dòng)的抵御能力也是種不錯(cuò)的辦法。
隨著指紋解鎖等生物特征驗(yàn)證機(jī)制在移動(dòng)設(shè)備上的快速普及,這類攻擊對(duì)于解鎖手機(jī)設(shè)備的效用將顯著降低。但也正如研究人員們所指出,類似的技術(shù)亦可用于收集通過手機(jī)觸控屏收集到的其它敏感信息,例如網(wǎng)頁密碼甚至是Tinder等約會(huì)應(yīng)用中的滑動(dòng)模式信息。
蘭開斯特大學(xué)安全研究員Jeff Yan在郵件采訪中告訴我們,“盡管我們的實(shí)驗(yàn)僅試圖竊取Android解鎖信息,但SonarSnoop實(shí)際上適用于可與麥克風(fēng)及揚(yáng)聲器交互的任何環(huán)境。我們的下一項(xiàng)重要課題,在于如何讓成果真正創(chuàng)造價(jià)值。我們希望設(shè)備制造商對(duì)我們的攻擊活動(dòng)抱有平和的心態(tài),因?yàn)槲覀兊哪繕?biāo)是通過幫助計(jì)算機(jī)工程師妥善解決下一代設(shè)備中的安全威脅以提升安全水平。”
【注:蘭開斯特大學(xué)關(guān)于“黑客破解手機(jī)”的研究論文下載方式:關(guān)注科技行者微信公眾號(hào)(itechwalker)回復(fù)“黑客破解手機(jī)”,即可獲取?!?/span>
好文章,需要你的鼓勵(lì)
這項(xiàng)研究提出了"高效探測(cè)"方法,解決了掩碼圖像建模AI難以有效評(píng)估的問題。通過創(chuàng)新的多查詢交叉注意力機(jī)制,該方法在減少90%參數(shù)的同時(shí)實(shí)現(xiàn)10倍速度提升,在七個(gè)基準(zhǔn)測(cè)試中均超越傳統(tǒng)方法。研究還發(fā)現(xiàn)注意力質(zhì)量與分類性能的強(qiáng)相關(guān)性,生成可解釋的注意力圖譜,展現(xiàn)出優(yōu)異的跨域適應(yīng)性。團(tuán)隊(duì)承諾開源全部代碼,推動(dòng)技術(shù)普及應(yīng)用。
伊利諾伊大學(xué)研究團(tuán)隊(duì)開發(fā)了CLAIMSPECT系統(tǒng),通過層次化分解復(fù)雜爭(zhēng)議、智能檢索相關(guān)文獻(xiàn)、多角度收集觀點(diǎn)的方法,將傳統(tǒng)的"真假"判斷轉(zhuǎn)變?yōu)槎嗑S度分析。該系統(tǒng)能夠自動(dòng)構(gòu)建爭(zhēng)議話題的分析框架,識(shí)別不同觀點(diǎn)及其支撐證據(jù),為科學(xué)和政治爭(zhēng)議提供更全面客觀的分析,已在生物醫(yī)學(xué)和國際關(guān)系領(lǐng)域驗(yàn)證有效性。
清華大學(xué)研究團(tuán)隊(duì)首次提出情感認(rèn)知融合網(wǎng)絡(luò)(ECFN),讓AI能像人類一樣理解和表達(dá)情感。該系統(tǒng)通過多層次情感處理架構(gòu),在情感識(shí)別準(zhǔn)確率上比現(xiàn)有最佳系統(tǒng)提升32%,情感表達(dá)自然度提升45%。研究突破了傳統(tǒng)AI情感理解的局限,實(shí)現(xiàn)了跨模態(tài)情感融合、動(dòng)態(tài)情感追蹤和個(gè)性化情感建模,為醫(yī)療、教育、客服等領(lǐng)域帶來革命性應(yīng)用前景。
哈佛大學(xué)研究團(tuán)隊(duì)通過創(chuàng)新的多智能體強(qiáng)化學(xué)習(xí)方法,讓AI在戰(zhàn)略游戲中學(xué)會(huì)復(fù)雜推理。研究發(fā)現(xiàn)AI通過游戲競(jìng)爭(zhēng)能發(fā)展出類人思維能力,在邏輯推理、創(chuàng)造性解決問題等方面表現(xiàn)顯著提升。這項(xiàng)突破性成果為未來AI在醫(yī)療、教育、城市管理等領(lǐng)域的應(yīng)用奠定基礎(chǔ),展現(xiàn)了通過模擬人類學(xué)習(xí)過程培養(yǎng)真正智能AI的新路徑。