你或许难以置信，但人工智能（AI）如今已能通过监听键盘敲击声来破解密码，识别准确率高达95%！这并非科幻电影桥段，而是来自杜伦大学等三所高校研究团队的最新成果。他们训练了一个深度学习模型，通过分析键盘声音即可重构用户输入的密码及其他敏感信息。换言之，只要你的手机或电脑麦克风处于开启状态，你敲击的每一个字母都可能被“听”得清清楚楚。

这项研究的论文题为《A Practical Deep Learning-Based Acoustic Side Channel Attack on Keyboards》。简而言之，研究人员设计了一套完全自动化的攻击流程：首先记录键盘按键声音，接着提取声音特征，最终利用CoAtNet模型进行按键分类。

具体操作流程是怎样的？首先是按键分割。研究人员使用iPhone 13 mini和Zoom（模拟远程攻击场景）来采集声音，按键设备为MacBook Pro上的36个按键（0-9，a-z），每个键连续按压25次，生成录音文件。随后对录音进行快速傅里叶变换，计算能量值，并设定一个能量阈值——当能量超过该阈值时，即标记为一个按键音，从而将长音频切分为独立的按键片段。

这里有一个技术细节：Zoom自带的降噪功能导致不同按键的音量差异极小。研究人员采用动态调整阈值的方法：先设定一个初始阈值，根据分割出的按键数量是否等于目标数量，逐步微调阈值，直至准确切分出所有按键。

分割完成后，将每个按键音转换为波形图和梅尔频谱图——这些图谱相当于每个按键的“声纹”，肉眼即可分辨差异。随后，这些频谱图被输入到CoAtNet模型（一种融合卷积与自注意力机制的图像分类器），再经过平均池化层和全连接层，输出最终的按键分类结果。模型训练采用交叉熵损失函数和Adam优化器，每5个epoch检查一次验证集精度，并通过调节学习率和epoch数解决了精度突降的问题。

最终实验结果：在手机录音数据集上，分类准确率高达95%；在Zoom录音数据集上，同样达到93%。两种录音方式仅相差2%，表明录音方式对准确率影响较小。有趣的是，研究人员还发现，大部分误分类都发生在相邻按键上——也就是说，错误具有规律性。

AI让古老的键盘声学攻击“重获新生”

看到这项研究，部分人深感危险，另一些人则指出：这种攻击手段十几年前就已出现。确实，早在2005年，就有华人学者开展过键盘声学攻击的相关研究。那么这次有何不同？研究人员解释道，过去的方法主要针对台式机键盘，已逐渐过时；而本次研究使用的是MacBook键盘，许多型号通用，潜在威胁更大。此外，当年的麦克风多为外置话筒，如今则使用手机和Zoom内置麦克风，录音质量截然不同。更关键的是方法层面：以前常采用隐马尔可夫模型（HMM）来纠正分类错误，例如分类器输出“Hwllo”，HMM可推断出“w”实际应为“e”；而如今直接使用CoAtNet进行端到端分类，准确率显著提升。

如何防范键盘窃听攻击？

别慌，办法还是有的。研究人员自己就给出了几条建议：

• 改变打字风格：避免使用标准十指输入法，采用自由打字方式，可显著降低识别准确率。
• 使用随机且复杂的密码，包含大小写字母、数字和符号，增加攻击难度。
• 在语音通话软件中插入随机假打字音频作为干扰信号，使模型难以区分真实按键与虚假声音。
• 启用双重认证，例如指纹或面部识别等生物特征，避免直接通过键盘输入密码。

此外，过往研究还提出一些方法，尽管当前效果可能有所减弱，但仍值得参考：例如使用触屏键盘、检查房间内是否有隐藏麦克风、关闭麦克风、避免在视频通话时输入关键信息。还有网友建议：将输入密码改为复制粘贴？——这确实是一个思路，但需确保剪贴板安全。

归根结底，AI技术本身并无善恶之分，关键在于使用者和使用方式。既然攻击手段在不断进化，防御意识也必须同步提升。下次使用Zoom开会时，输入密码前不妨先思考：旁边那台手机的麦克风，是否还处于开启状态？