Exploring Encrypted Keyboards to Defeat Client-Side Scanning in End-to-End Encryption Systems
本文提出一种作为系统键盘运行的加密键盘,使用户能在本地加密和解密消息,从而绕过客户端扫描(CSS),并在现有端到端加密应用之上增加额外一层 E2EE 保护。
2023-07-07 cs.CR
OverHear: Headphone based Multi-sensor Keystroke Inference
University of Texas at San Antonio(德克萨斯大学圣安东尼奥分校);University of Oklahoma(俄克拉荷马大学)
本研究提出利用耳机集成的麦克风和加速度计数据的OverHear击键推断框架,结合手部位置聚类、MFCC特征与机器学习及词典预测方法,验证了耳机窃听击键的潜在威胁与实际效果。
2023-11-04 cs.CR cs.HC cs.SD
Making Acoustic Side-Channel Attacks on Noisy Keyboards Viable with LLM-Assisted Spectrograms' "Typo" Correction
Texas A&M University(德克萨斯农工大学);University of Toronto(多伦多大学)
针对嘈杂环境下声学侧信道攻击鲁棒性不足的问题,提出集成视觉Transformer与LLM的方案,前者提升上下文推断能力,后者修复错误预测,在击键分类和纠错任务中实现SOTA性能,且轻量微调小模型可媲美大模型。
2025-04-15 cs.CR cs.SD eess.AS
Synesthesia: Detecting Screen Content via Remote Acoustic Side Channels
我们表明,从计算机屏幕内发出的细微的声学噪声可以用来检测屏幕上显示的内容。这种声音可以被内置在网络摄像头或屏幕中的普通麦克风拾取,并无意中传输到其他方,例如,视频会议电话或存档录音中。它也可以通过放置在屏幕旁边的桌子上的智能手机或“智能扬声器”进行记录,或者使用抛物面麦克风从10米远的地方进行记录。通过实证演示各种攻击场景,我们展示了如何使用此通道实时检测屏幕上的文本,或用户输入到屏幕上的虚拟键盘。我们还演示了攻击者如何分析视频通话期间接收到的音频(例如,在Google Hangout上)来推断另一方是否正在浏览网页而不是观看视频通话,以及哪个网站显示在他们的屏幕上。
2019-05-08 cs.CR
Non-intrusive and Unconstrained Keystroke Inference in VR Platforms via Infrared Side Channel
本文揭示了主流VR平台星座追踪系统中的红外侧信道泄漏,提出VRecKey攻击,利用定制2D红外传感器阵列非侵入式拦截控制器信号,实现对虚拟键盘字符级和单词级击键的高准确度推断。
2024-12-19 cs.CR
Capacitive Touchscreens at Risk: A Practical Side-Channel Attack on Smartphones via Electromagnetic Emanations
Wuhan University(武汉大学);Henan Key Laboratory of Network Cryptography Technology(河南省网络密码技术重点实验室);Nanjing University of Aeronautics and Astronautics(南京航空航天大学);Nanyang Technological University(南洋理工大学);National University of Defense Technology(国防科技大学)
本文提出TESLA攻击方法,利用智能手机触控屏扫描时的电磁辐射,提取敏感信息如密码、键盘输入和应用类别,验证了其在实际场景中的有效性。
2026-05-14 cs.CR
Keystroke Detection by Exploiting Unintended RF Emission from Repaired USB Keyboards
本文揭示维修过的USB电缆形成天线并产生可远距离传播的RF侧信道,提出按键检测算法,在12米处达到约100%准确率,并评估金属屏蔽对策。
2025-08-24 cs.CR
Impact Analysis of Speech Representation Learning Models for Acoustic Side-Channel Attack
IIIT-Delhi(德里信息与技术研究所);NTHU(国立清华大学)
提出KEYAC数据集,评估六种语音表示学习模型在键盘声学侧信道攻击中的表现,发现部分微调提升性能但跨VoIP编解码器泛化差,采用KAN网络微调达到新最优。
2026-09-22 cs.CR
SonarSnoop: Active Acoustic Side-Channel Attacks
我们报告了第一个主动声侧信道攻击。扬声器用于发出人类听不见的声学信号,并通过麦克风记录回声,将智能手机的声学系统转变为声纳系统。回波信号可用于分析用户与设备的交互。例如,受害者的手指运动可以被推断为窃取Android手机解锁模式。在我们的实证研究中,使用这种新颖的声学侧通道,攻击者必须尝试向三星S4 Android手机验证自己的候选解锁模式的数量可以减少高达70%。我们的方法可以很容易地应用到其他应用场景和设备类型。总的来说,我们的工作突出了一系列新的安全威胁。
2018-08-30 cs.CR
Acoustic Side-Channel Attacks on a Computer Mouse
本文研究通过鼠标使用时的声学信号实施侧信道攻击,利用机器学习在受控和现实场景中分别以97%、94%和91%的准确率实现鼠标移动分类及用户操作检测,揭示了鼠标音频泄漏的安全风险。
2025-05-05 cs.CR
Fingerprinting Robot Movements via Acoustic Side Channel
University of Strathclyde(思克莱德大学);Newcastle University(纽卡斯尔大学)
在本文中,我们提出了一种声学侧信道攻击,它利用智能手机麦克风记录机器人在操作中利用声音的声学特性指纹机器人的运动。在这项工作中,我们考虑了内部对手在机器人系统(例如技术人员或机器人操作员)的物理邻近范围内,仅配备智能手机麦克风的可能性。通过声学侧通道,我们证明了不仅可以对3D空间内的单个机器人运动进行指纹识别,而且还可以对运动模式进行指纹识别,这可能会导致推断运动的目的(即手术机器人正在进行的手术),从而导致潜在的隐私侵犯。经过评估,我们发现单个机器人运动可以以大约75%的准确率进行指纹识别,随着距离和速度等更细粒度的运动元数据而略有下降。此外,整个工作流程的重建精度约为62%,更复杂的运动,如拾取和放置或包装,重建精度接近完美。除此之外,在某些环境中,例如手术环境,音频可以通过VoIP记录和传输,例如用于教育/教学目的或远程远程医疗。这里的问题是,即使使用VoIP通信,相同的攻击也能成功吗?数据包丢失如何影响捕获的音频和攻击的成功?使用与智能手机捕获的普通音频相同的声学声音特征,攻击在对VoIP样本进行指纹识别时平均准确率为90%,比没有使用VoIP编解码器的基线高出15%。这开辟了关于匿名通信的新的研究问题,以保护机器人系统免受通过VoIP通信网络的声学侧信道攻击。
2022-09-21 cs.CR cs.LG cs.RO
SoK: Acoustic Side Channels
Xidian University(西安电子科技大学);Newcastle University(纽卡斯尔大学);Massachusetts Institute of Technology(麻省理工学院);University of Strathclyde(思克莱德大学)
本文系统梳理声学侧信道研究现状,分析其安全影响与防御手段,并首次尝试连接侧信道与逆问题两个领域,为未来研究指明方向。
2023-08-06 cs.CR cs.SD eess.AS
Securing Vehicle to Vehicle Communications using Blockchain through Visible Light and Acoustic Side-Channels
自动驾驶汽车和自动驾驶汽车出现在公共高速公路上。这些车辆通常将无线通信技术用于车辆到车辆和车辆到基础设施通信。制造商、监管机构和公众对这些无线车载网络的大规模系统故障或恶意攻击的担忧是可以理解的。本文探讨了传感和信号设备的使用,通常集成到现代车辆的侧信道通信的目的。可见光(使用CMOS相机)和声学(超声波音频)侧信道编码技术的建议,开发和评估在这方面。侧信道的理论和实验研究和上界的线路编码调制速率,这是可实现的,这些侧信道方案在车辆联网的上下文中建立。然后,提出了一种新的车辆间会话密钥建立协议,该协议利用侧信道和区块链公钥基础设施。鉴于车辆通信的有限信道容量和互操作性/安全性要求,提出了用于约束吞吐量要求、提供设备独立性和验证预期接收方车辆的位置的技术。这将创建对称加密和消息认证密钥以及与公认的认证机构验证车辆证书所需的设备握手吞吐量减少到176位。
2017-04-09 cs.CR
Practical Acoustic Eavesdropping On Typed Passphrases
本文提出一种基于无监督学习的键盘声学侧信道攻击方法,利用互相关音频预处理和字典攻击推断键入的密码短语,无需训练数据即可比暴力破解更快地恢复部分密码,揭示了密码验证的严重安全隐患。
2025-04-07 cs.CR
QuietPrint: Protecting 3D Printers Against Acoustic Side-Channel Attacks
Texas A&M University(德州农工大学)
本文研究通过声学侧信道窃取3D打印机知识产权的问题,并提出一种无需额外硬件、仅通过修改G代码来防御攻击的方法。
2026-02-02 cs.CR eess.AS
WaveVerif: Acoustic Side-Channel based Verification of Robotic Workflows
Newcastle University(新castle大学)
该研究提出WaveVerif框架,利用声学侧信道分析开发机器学习验证系统,可实时低成本无源验证机器人工作流,准确率超80%且无需硬件修改。
2026-08-21 cs.AI cs.CR cs.RO
Hearing your touch: A new acoustic side channel on smartphones
我们提出了第一个声学侧信道攻击,恢复用户在他们的触摸屏智能手机或平板电脑的虚拟键盘上键入。当用户用手指敲击屏幕时,敲击会产生一个声波,该声波在屏幕表面和空气中传播。我们发现设备的麦克风可以恢复这种波并“听到”手指的触摸,并且波的失真是屏幕上点击位置的特征。因此,通过内置麦克风录制音频,恶意应用程序可以在用户在其设备上输入文本时推断文本。我们评估了45名参与者在Android平板电脑和Android智能手机上的真实环境中的攻击效果。对于平板电脑,我们在20次尝试中恢复了200个4位PIN码中的61%,即使模型没有使用受害者的数据进行训练。对于智能手机,我们恢复了9个大小为7- 13个字母的单词,在一个常见的侧信道攻击基准测试中尝试了50次。我们的研究结果表明,它并不总是足以依靠隔离机制,如信任区,以保护用户输入。我们提出并讨论了硬件,操作系统和应用程序级的机制,以更有效地阻止这种攻击。移动设备可能需要更丰富的能力模型、更用户友好的传感器使用通知系统以及对底层硬件泄露的信息进行更全面的评估。
2019-03-26 cs.AI cs.CR
Side Eye: Characterizing the Limits of POV Acoustic Eavesdropping from Smartphone Cameras with Rolling Shutters and Movable Lenses
University of Michigan(密歇根大学);University of Florida(佛罗里达大学);Northeastern University(东北大学)
该研究揭示了智能手机摄像头的卷帘快门和可动镜头可将环境声音调制到图像上形成窃听侧信道,提出新型信号处理流水线提取信息,并在10部手机上验证了高识别准确率,最后探讨了防御策略。
2023-01-26 cs.CR cs.CV cs.MM
My(o) Armband Leaks Passwords: An EMG and IMU Based Keylogging Side-Channel Attack
Technical University of Darmstadt(达姆施塔特工业大学)
不断收集用户各种传感器数据的可穿戴设备增加了推断无意和敏感信息(如在物理键盘上键入的密码)的机会。我们深入研究了使用肌电图(EMG)数据的潜力,这是一种市场上新出现的传感器模式,但最近在增强现实(AR)的可穿戴设备中获得了关注,用于键盘记录侧信道攻击。我们的方法是基于神经网络的主题之间的攻击,在一个现实的情况下,使用Myo臂章收集传感器数据。在我们的方法中,与加速度计和陀螺仪相比,EMG数据已被证明是最突出的信息来源,从而提高了EMG检测性能。对于我们对原始数据的端到端方法,我们报告了大约76%的平均平衡准确度,以及大约32%的平均前3个密钥准确度,用于不同强度密码的密钥识别。我们已经创建了一个广泛的数据集,其中包括来自37名志愿者的超过310,000个记录,该数据集可作为开放获取以及用于创建给定结果的源代码。
2021-12-04 cs.CR cs.LG eess.SP
Discussing the Feasibility of Acoustic Sensors for Side Channel-aided Industrial Intrusion Detection: An Essay
第四次工业革命导致工业环境中嵌入式计算和相互通信的使用增加。在降低设置、运营和维护的成本和工作量,增加运营或市场的时间和效率的同时,也增加了企业的攻击面。在过去十年中,工业企业已成为网络犯罪分子的目标,原因是间谍活动,但也有政治动机。臭名昭著的攻击活动以及容易获得的恶意软件在毫无准备的状态下袭击行业,创造了一个巨大的威胁环境。由于工业系统通常运行数十年,并且难以或不可能在安全性方面进行升级,因此需要传统兼容的工业安全解决方案来创建安全参数。在工业中,一种可行的方法是实施和使用侧信道传感器。通过不同渠道将来自不同来源的现成传感器数据组合起来,可以增强对安全状态的了解。在这项工作中,一个实验性的工业设置包含侧通道传感器的数据集进行了概念性的讨论,并得出见解。
2019-09-09 cs.CR cs.CY
Practitioner Paper: Decoding Intellectual Property: Acoustic and Magnetic Side-channel Attack on a 3D Printer
本文提出利用智能手机远程捕获3D打印机的声学和磁信号进行侧信道攻击,通过梯度提升决策树模型重建G-code,在无侵入条件下预测各部件运动平均准确率达98.80%,实际场景平均趋势误差为4.47%,揭示了3D打印知识产权的物理泄露风险。
2024-11-16 cs.CR
Watch and Crack: Password Inference from Smart-Glasses Video
Tel Aviv University(特拉维夫大学)
本文提出首个通用视频击键推断流程,利用智能眼镜摄像头以亚像素精度跟踪手指,结合自监督神经网络和泄露密码统计,在数小时至数天内破解长达16字符的人为密码,熵减少高达60比特。
2026-09-09 cs.CR
VoIPLoc: Passive VoIP call provenance via acoustic side-channels
University of Strathclyde(思克莱德大学)
我们提出了VoIPLoc,一种新的位置指纹技术,并将其应用到VoIP呼叫的起源问题。它利用嵌入在VoIP音频中的回声位置信息来支持细粒度的位置推断。我们发现一致的统计特征所引起的回声反射特性的位置到记录的语音。这些特征在VoIP目的地接收到的跟踪中是可辨别的,从而实现位置推断。我们通过开发通过Tor网络上的VoIP通道接收的音频跟踪数据集来评估VoIPLoc。我们表明,即使大多数音频样本未标记,也可以以较低的假阳性率远程识别和检测录音位置。最后,我们注意到,与现有技术不同,该技术是完全被动的,因此无法检测到。VoIPLoc对环境噪声和背景声音的影响以及压缩编解码器和网络抖动的影响具有鲁棒性。该技术也是高度可扩展的,并提供了几个自由度条款的指纹空间。
2021-06-10 cs.CR cs.SD eess.AS
Side-Channel Attacks Survive Noise Cancellation in 3D Printers
Department of Computer Science, California Polytechnic State University(计算机科学系,加州大学Polytechnic州立大学);Beacom College of Computer and Cyber Sciences, Dakota State University(计算机与网络科学学院,达科他州立大学);Idaho National Laboratory(爱达荷国家实验室);Department of Computational Data Science and Engineering, North Carolina A&T State University(计算数据科学与工程系,北卡罗来纳A&T州立大学);Department of Engineering, South Carolina State University(工程系,南卡罗来纳州立大学)
首次评估商用3D打印机的主动电机噪声消除(AMNC)硬件对策,发现其完全消除声学信道,但振动信道仍泄漏几何信息,且泄漏具有设备特异性。
2026-08-03 cs.CR cs.ET cs.LG
Application-Specific Power Side-Channel Attacks and Countermeasures: A Survey
University of Florida(佛罗里达大学);University of Tennessee, Chattanooga(田纳西大学查塔努加分校)
本文综述了不同应用领域中电力侧信道攻击及其防御措施,重点分析了攻击分类和应用特定的防御策略。
2025-12-29 cs.CR
Invisible Ears at Your Fingertips: Acoustic Eavesdropping via Mouse Sensors
Dept. of Electrical Engineering and Computer Science, University of California, Irvine, CA, USA(电气工程与计算机科学系,加州大学伊维特分校)
本文提出首个针对高性能光学鼠标传感器的侧信道攻击Mic-E-Mouse,利用鼠标传感器检测音频引发的表面振动实现声学窃听,无需系统权限即可通过用户空间软件收集数据并提升信号质量。
2025-11-17 cs.CR cs.SD