AirKey: Multimodal Acoustic-Assisted WiFi Sensing for Zero-Training Robust PIN Inference

想象一下，你正坐在一家拥挤的咖啡馆里，在笔记本电脑上输入一段秘密代码。你以为自己很安全，因为没有人盯着你的肩膀看，你也用手遮住了屏幕。但如果你的秘密不仅仅是被“看见”，而是被空气本身“听见”了呢？这就是“感知”（sensing）的世界——这是一个科学分支，其中人体反射的无形波可以告诉我们你正在做什么。把它想象成蝙蝠利用回声定位：蝙蝠发出声音，回声告诉它飞蛾在哪里。在我们的数字世界中，我们使用 Wi-Fi 信号而不是声音。当你打字时，你的手指在移动，这些微小的动作改变了 Wi-Fi 波在房间内反射的方式。科学家们一直试图利用这些“回声”来猜测你在输入什么，但直到现在，他们都遇到了几个主要的障碍。他们通常需要与你在同一个 Wi-Fi 网络上（就像是建筑内部的间谍），或者需要特殊且昂贵的设备来清晰地捕捉信号。如果没有这些条件，信号就会变得杂乱无章，尤其是在你打字很快的时候，因为按键的“回声”会与下一个按键融合在一起，使清晰的信息变成一团模糊的色块。

于是，AIRKEy 登场了，它是一个聪明的侦探，通过两套不同的线索来破解谜题。研究人员发现了一种巧妙的方法，可以在无需加入你网络的情况下监听你的 Wi-Fi。他们意识到，当一个设备接收到信号时，它会自动发回一个微小的“好的，收到了！”信号，称为 ACK（确认应答）。通过向你的设备发送一个无害且隐形的“乒乓”（ping）信号，攻击者可以诱导它发回这些 ACK。AIRKEy 系统随后通过监听这些响应来绘制出你手指在三维空间中的运动轨迹。然而，正如论文所指出的，仅靠监听 Wi-Fi 就像是在有人说话时试图读书一样；快速的打字会导致信号融合在一起，使得系统无法分辨一个按键在哪里结束，下一个按键在哪里开始。

为了解决这个问题，AIRKEy 增加了第二种感官：声音。该系统使用两个微型麦克风来聆听键盘的“咔哒”声。虽然麦克风无法分辨你按下了哪个键（它们看不见键盘），但它们非常擅长告诉你你确切何时按下了按键。奇迹发生在系统结合这两类线索时。如果 Wi-Fi 信号看起来像一个巨大的、模糊的色块（即“融合”），但麦克风听到了两次清晰的点击声，系统就会知道：“啊！这两个键要么是紧挨着按下的，要么是同一个键按了两次！”这使得系统能够理清杂乱的 Wi-Fi 信号。研究人员在现实场景中测试了这一点，包括嘈杂的麦当劳和繁忙的办公室。他们发现，通过将你打字的 Wi-Fi“形状”与声音“节奏”相结合，他们猜测出你 6 位数字 PIN 码的速度比以前快得多。事实上，在他们的测试中，在观察用户输入几次后，他们仅用了 6 次尝试 就能找回正确的 PIN 码。这表明，即使你离得很远且不在同一个网络上，你的打字过程可能也并不像你想象的那样私密，因为你设备的自身“确认”信号和你的打字声可能会联手揭开你的秘密。