本论文针对利用WiFi感知进行无接触击键推断以窃取PIN码的隐私威胁展开研究。现有方法存在两个关键瓶颈：一是通常需要获得目标网络的访问权限才能获取稳定的感知数据流，限制了实际部署；二是纯WiFi信号在快速、肌肉记忆键入时存在波形融合歧义，难以准确分割按键。为了克服这些问题，作者提出了AirKey，一种跨模态感知框架，能够实现高度隐蔽且零训练的PIN窃听。AirKey首先利用IEEE 802.11标准中的机制，无需与目标设备建立网络关联，即可通过向未修改的目标设备发送特定触发，诱使其响应ACK帧，并使用低成本微控制器被动地从这些ACK帧中提取信道状态信息（CSI），从而获得持续的空间感知流。其次，针对WiFi波形融合难题，AirKey引入跨模态互补机制：利用轻量级的声学信号作为精确的时间锚点，引导对重叠CSI轨迹的分割，通过联合时空融合，将CSI衍生的空间相似性与声学引导的按键间时间信息严格结合，以区分不同按键。实验评估表明，AirKey的准确率比最先进的单模态零训练方案高出4倍以上，并能在6次尝试内成功恢复设备解锁PIN。最终，这项工作揭示了现代智能界面中的严重漏洞，强调了普适多模态感知的隐私影响。