舉個例子,觸碰手機屏幕的不同區域會讓手機傾斜並有些許位移,而手機上的運動感測器可以識別這種方式。梅內茲德和他的同事在2017年4月的《國際信息安全雜誌》(International Journal of Information Security)上發布了這一研究。這些感測器的數據用人類的眼睛看也許毫無意義,阿勒-海奇說,但是複雜的計算機程序可以在混亂中識別出各種模式,並將一塊塊運動數據和對不同按鍵區域的觸碰匹配起來。
圖片來源:pexels
大多數情況下,這些計算機程序都使用了機器學習的演演算法,阿勒-海奇說。研究者給這些程序提供大量運動感測器的數據,這些數據標記有特定運動造成的鍵盤觸擊信息,由此訓練它們識別鍵盤敲擊。一些研究者創建了一個叫做TouchLogger的應用,該應用可以收集方向感測器的數據並用這些數據來推測用戶按了手機上哪些數字鍵。在2011年舊金山USENIX的關於安全熱點的專題討論會(USENIX Workshop on Hot Topics in Security)上,TouchLogger在HTC手機上進行了一次測試,對按鍵輸入的推測正確率達到了百分之七十以上。
自那以後,科學家們編寫推測各類手機上的數字以及字母按鍵的代碼,做了許多類似的研究。在2016年《普適與移動計算》(Pervasive and Mobile Computing)期刊上,阿勒-海奇和他的同事對這些研究進行了評述,並總結道只有窺探者的想象力能限制運動數據轉換為鍵盤輸入字元。這些按鍵可以泄漏所有信息——從網上銀行的登陸密碼到一封郵件或者一條簡訊的內容。
這款應用甚至能夠在後台竊聽用戶在其他應用上輸入的敏感信息。根據2014年美國計算機協會召開的無線與移動網路的安全隱私會議(Conference on Security and Privacy in Wireless and Mobile Networks)的記錄,在三星和HTC手機上測試的時候,這個應用推測出的100個4位PIN碼的正確率是94%。
運動感測器同樣可以描繪出一個人旅途路線,比如一次地鐵或公交行程。一次旅程產生的潛在移動數據和更短的、急速的運動——比如把手機從口袋裡拿出來——有可分辨的不同。研究者設計了一款應用來從加速計記錄中抓取不同地鐵路線的數據標誌,該研究發表在了2017年IEEE的《信息取證與安全事務》(Transactions on Information Forensics and Security)期刊上。
加速計的數據同樣可以窺探駕駛路線,而其他感測器則可以用於跟蹤人們在有限空間內的運動:有一個團隊同步了手機的麥克風和攜帶型揚聲器,製造出一個動態聲納系統去描繪一個人在屋子裡的移動軌跡。該研究發表在了2017年9月的美國計算機協會期刊(Proceedings of the ACM on Interactive, Mobile, Wearable and Ubiquitous Technologies)上。