作者丨Vision NP
譯者丨陳峻
審校丨重樓
最近，網(wǎng)上有研究報告（https://arxiv.org/pdf/2308.01074.pdf）披露了一種潛藏得較為隱蔽的網(wǎng)絡安全漏洞。該漏洞能夠被用來在人們使用Zoom等視頻會議，進行通話過程中，針對鍵盤輸入的聲音發(fā)起攻擊。
根據(jù)薩里大學、達勒姆大學和倫敦大學皇家霍洛威學院的專家們所做的研究表明，人工智能系統(tǒng)可以根據(jù)人類打字時發(fā)出的聲音，準確地識別出其在筆記本電腦鍵盤上具體按下的是哪個鍵。
一、研究發(fā)現(xiàn)
以下是這項研究的一些重要啟示和影響：
1.基于聲音的攻擊：研究發(fā)現(xiàn)，人工智能系統(tǒng)可以檢測到按鍵聲音的信號，而且其準確率高達、甚至超過90%。例如，在Zoom通話或其他類型的語音通信中，按下了哪些鍵等。據(jù)此，網(wǎng)絡犯罪分子可以通過分析按鍵打字時所發(fā)出的聲音，來獲取密碼、賬單信息等敏感信息。
2.視頻會議的威脅與日俱增：隨著Zoom等視頻會議工具的廣泛使用，特別是在COVID-19流行期間，與此類平臺相關的潛在安全風險也在持續(xù)增加。而且，設備內(nèi)置麥克風的普及，更進一步增加了聲音攻擊的威脅。
3.機器學習和聲學分析：研究人員使用機器學習算法，可以分析與不同按鍵相關的聲音信號。同時，人工智能系統(tǒng)也能夠?qū)W習并識別出聲音記錄中的各種模式和特征。即使是不同手指用不同力量擊鍵，算法也能準確識別出按鍵特征。這充分證明了機器學習在識別和利用信號方面的強大能力。
4.準確性的提高：該研究在識別按鍵方面達到了很高的準確度，電話通話錄音的成功率高達 95%，就連Zoom通話錄音的成功率也高達93%。這樣的準確率說明了此類攻擊所帶來的安全威脅是不容忽視的。
5.公共辯論的重要性：研究人員認為，我們有必要對人工智能技術進行公開討論和管理，尤其是隨著帶有麥克風的智能設備在各個家庭中的使用越來越普及。也就是說，基于聲音的攻擊，勢必會引發(fā)道德和隱私方面的問題，值得公眾認真考慮。
6.側信道攻擊：此類攻擊形式通過結合非預期信號（如聲音），來獲取未經(jīng)授權的訪問權限或信息。它充分體現(xiàn)了在網(wǎng)絡安全戰(zhàn)略中，考慮各種攻擊載體的重要性。
7.對用戶行為的影響：即使是細微的動作和聲音，也有可能被老練的攻擊者所利用。因此建議用戶在視頻會議通話中，特別是在輸入敏感信息（包括密碼）時，請保持謹慎。
8.攻擊的不斷演變：隨著時間的推移，基于人工智能模型的各類攻擊的準確性將大幅提高。因此，我們必須在網(wǎng)絡安全實踐中不斷提高認識，并按需調(diào)整。
二、多層次防護組合
以上是該研究報告的主要結論。那么具體而言，我們應該如何才能防止Web應用和用戶，受到基于聲音的攻擊呢？
鑒于此類攻擊仍在不斷演變，我們需要通過下文提到的多層次方法的組合，在一定程度上增強Web應用、以及用戶行為的安全性和完整性，并將受攻擊的風險降至最低：
?實施雙因素身份驗證（2FA）：由于用戶需要提供第二類認證信息（例如：除密碼外，來自驗證器應用或生物識別的登錄代碼），才能訪問其賬戶，因此該方法增加了一個額外的安全層。也就是說，它通常需要向用戶的移動設備或電子郵件發(fā)送驗證碼，并在驗證器應用中生成隨機碼，從而降低基于單一密碼維度的攻擊。下面是根據(jù)需要，在特定Web應用中實施2FA的方法示例。
代碼來源：谷歌云，使用 Firebase 身份驗證庫的 JavaScript 代碼
上述代碼演示了使用Firebase身份驗證，來實現(xiàn)多因素身份驗證的流程。具體而言，該代碼段主要是將電話號碼的驗證作為第二種因素。當然，你可以通過調(diào)整該代碼段，提供其他的多因素身份驗證（MFA）選項，來按需整合基于時間的一次性密碼（TOTP）的MFA，以滿足特定應用的實際需求。不過，請注意在實施多因素身份驗證時，不要忽略了其他潛在的安全問題、以及用戶體驗。
?使用生物識別身份驗證：由于此類驗證方法（如：指紋識別或面部識別）比密碼更難以克隆，因此它增加一層額外的保護，可防止攻擊者未經(jīng)授權的訪問。你可以通過鏈接（https://stackoverflow.blog/2022/11/16/biometric-authentication-for-web-devs），獲取到一份內(nèi)容詳盡的、Web開發(fā)人員針對其應用經(jīng)常實施的、生物識別身份驗證指南。
生物識別身份驗證流程圖
?降噪算法：在Web應用中實施降噪算法，可以減少那些由按鍵產(chǎn)生的可被檢測到的聲音。雖然這不一定是最行之有效的保護，但是它可以使得攻擊者更難使用人工智能工具，在較短的時間內(nèi)準確地檢測出聲音模式。
<head>
<title>Noise Reduction Web App</title>
</head>
<body>
<button id="startButton">Start Recording</button>
<button id="stopButton" disabled>Stop Recording</button>
<br>
<audio id="audioElement" controls></audio>
<script>
let audioContext, mediaStream, scriptProcessor;
const bufferSize = 2048, threshold = 0.05;
const startButton = document.getElementById('startButton');
const stopButton = document.getElementById('stopButton');
const audioElement = document.getElementById('audioElement');
startButton.addEventListener('click', startRecording);
stopButton.addEventListener('click', stopRecording);
function startRecording() {
navigator.mediaDevices.getUserMedia({ audio: true }).then(stream => {
audioContext = new (window.AudioContext || window.webkitAudioContext)();
mediaStream = stream;
scriptProcessor = audioContext.createScriptProcessor(bufferSize, 1, 1);
scriptProcessor.onaudioprocess = e => {
const inData = e.inputBuffer.getChannelData(0),
outData = e.outputBuffer.getChannelData(0);
for (let i = 0; i < bufferSize; i++) outData[i] = Math.abs(inData[i]) < threshold ? 0 : inData[i];
};
audioContext.createMediaStreamSource(mediaStream).connect(scriptProcessor);
scriptProcessor.connect(audioContext.destination);
startButton.disabled = true;
stopButton.disabled = false;
}).catch(error => console.error('Error accessing microphone:', error));
}
function stopRecording() {
if (audioContext) {
audioContext.close();
mediaStream.getTracks().forEach(track => track.stop());
scriptProcessor = audioContext = null;
startButton.disabled = false;
stopButton.disabled = true;
}
}
</script>
</body>
</html>上述代碼段演示了使用Web Audio API來實現(xiàn)降噪的效果。當然，你也可以使用其他的音頻處理庫，例如：RNNoise和 SpeexDSP。下面我們來看看具體的工作原理。
首先，請將代碼創(chuàng)建為一個HTML文件，并使用Web瀏覽器打開它。完成后，其界面如下：
使用Web Audio API來降低噪音
接著，請點擊“開始錄音”，并在網(wǎng)頁瀏覽器中授予麥克風的訪問權限。
然后，開始錄入并分析隨機產(chǎn)生的聲音。
請注意，Web Audio API提供的一系列節(jié)點和方法，可用于更高級的音頻處理任務。你可以根據(jù)Web應用的具體需要，使用不同的音頻庫來進行試驗。
?鍵盤布局隨機化：你可以重新排列虛擬鍵盤上的按鍵順序，使得攻擊者難以僅憑按鍵發(fā)聲的方位，來檢測到鍵入的內(nèi)容。一些金融機構已經(jīng)采用了這種流行的方法，來保護用戶免受基于聲音的攻擊。
?隨機化按鍵時間：你可以在按鍵之間引入可變的時間間隔，讓攻擊者更難確定按下的具體按鍵。請參見如下代碼示例：
<head>
<title>Randomized Key Press Timing</title>
</head>
<body>
<input id="textInput" type="text">
<script>
const textInput = document.getElementById('textInput');
textInput.addEventListener('keydown', event => {
setTimeout(() => console.log('Key pressed:', event.key), Math.random() * 500);
});
</script>
</body>
</html上述按鍵邏輯隨機化的應用，模擬了按鍵隨機延時的發(fā)生。你可以將其創(chuàng)建為一個HTML文件，并使用Web瀏覽器打開它。完成后，你可以在出現(xiàn)的文本框中輸入一些單詞。
隨機按鍵延時的頁面布局
Web瀏覽器的控制臺將展示你按下的按鍵，及其隨機延時結果。
你可以自由地修改上述代碼段，將其集成到自己的Web應用中。同時，你也可以嘗試不同的按鍵操作，以觀察隨機計時對于輸入文本的行為的不同影響。
?教育用戶：提高用戶對于聲音攻擊所帶來的潛在風險的認識，以及在視頻通話、或公共場合中避免鍵入密碼、及個人數(shù)據(jù)等敏感信息的意識。此外，你可以強制要求用戶在輸入Web應用的密碼時，混合使用不同的大小寫字母、數(shù)字和符號（如 #、$、%、*）等。
?定期執(zhí)行安全審計：定期對Web應用進行安全審計和滲透測試，以及時識別和解決潛在的漏洞。據(jù)此，你可以先于攻擊者，更加輕松地實施各種必要的安全措施。此外，在開發(fā)Web應用時，我們應當遵循安全編程實踐，防范包括：SQL注入、跨站腳本（XSS）和跨站請求偽造（CSRF）等可能被攻擊者利用的常見漏洞，被遺留在應用中。
?麥克風的隱私設置：如果你的Web應用需要獲取麥克風的訪問權限，那么請確保用戶了解他們授權后可能產(chǎn)生的后果，以及允許他們自由地管控這些權限，例如：在不必要時，提供禁用麥克風訪問的選項。當然，你可能需要為此調(diào)整應用的部分架構。
?多層安全：實施包括：防火墻、入侵檢測系統(tǒng)（IDS）、以及實時安全監(jiān)控在內(nèi)的多層安全控制，以應對潛在攻擊。目前，許多一站式安全平臺還能夠提供諸如：惡意軟件掃描、SSL證書、DDoS保護、以及備份和恢復等功能。
?加密：使用強大的加密協(xié)議，我們可以確保用戶設備與Web應用之間的通信安全，以應對針對數(shù)據(jù)的竊聽和攔截。通常，你需要從可信的證書頒發(fā)機構（CA）處獲得SSL/TLS證書。
?定期更新和打補?。猴@然，我們需要使用最新的安全補丁，來更新Web應用和底層基礎架構組件，以防止新近發(fā)現(xiàn)的漏洞被利用。
?用戶指南：為用戶提供安全使用指南、以及適當?shù)募軜嬓畔?(Information Architecture，IA)。例如，告知用戶在其視頻通話中，應避免通過鍵盤來鍵入敏感信息，以及會使用背景噪音，來掩蓋鍵盤擊鍵所產(chǎn)生的聲音。
三、小結
綜上所述，已有研究證明，人工智能可能根據(jù)擊鍵的聲音來識別敏感數(shù)據(jù)。而且隨著視頻會議被廣泛使用，基于聲音的攻擊威脅會迎來爆炸式的激增。
我們通過討論能與Web應用相結合的多層次安全防范方法，來降低基于聲音的攻擊的潛在風險。不過請記住，任何安全措施都不是萬無一失的。
除了基于聲音的攻擊，那些精通技術的攻擊者甚至會采用諸如：Glupteba等支持區(qū)塊鏈的模塊化惡意軟件，去探查可利用的Web應用漏洞。因此，了解最新的威脅動態(tài)、以及增強Web應用的安全防范都是至關重要的。
原文鏈接：https://hackernoon.com/is-ai-eavesdropping-on-you-defend-your-passwords-from-ai-keystroke-pattern-detection
——譯者介紹——
陳峻 （Julian Chen），51CTO社區(qū)編輯，具有十多年的IT項目實施經(jīng)驗，善于對內(nèi)外部資源與風險實施管控，專注傳播網(wǎng)絡與信息安全知識與經(jīng)驗。
