#eavesdropping

共收录 5 条相关安全情报。

← 返回所有主题
👥 作者: Zhambyl Shaikhanov, Sherif Badran, Hichem Guerboukha, Josep Miquel Jornet, Daniel M. Mittleman, Edward W. Knightly

该论文首次系统性地揭示了毫米波/太赫兹回传链路对空中超表面攻击的脆弱性。随着5G及未来网络部署,无线回传链路被广泛用于关键基础设施(如华尔街金融交易),其安全性至关重要。作者提出了一种名为MetaFly的新型攻击架构:攻击者Eve利用轻量级、低成本、透射型且无需供电的空中超表面,通过无人机构建的飞行平台对基站与核心网之间的高度定向回传信号进行电磁波前操控,从而实现隐蔽窃听。攻击的核心机制包括:在超表面界面诱导预定义相位分布,生成窃听所需的衍射波束,使部分信号能量偏转到攻击者接收位置;同时,基于无人机移动性的波前定制飞行调整原则,动态优化辐射方向图,以保持窃听链路质量且不明显干扰合法通信。作者实现了MetaFly原型,并在大型室内中庭和城市室外屋顶进行了多组空口实验。实验结果表明,配备MetaFly的Eve能够以接近零误码率截获回传传输,同时保持对合法通信的极小影响,展示了该攻击在真实环境中的可行性与隐蔽性。该研究属于物理层安全与无线网络安全的交叉领域,为回传链路的安全设计提供了新视角,提示后续需要研究针对空中超表面攻击的检测与防御机制。适合无线安全研究人员、5G/6G网络架构师以及物理层安全工程师阅读。

💡 推荐理由: 无线回传链路是5G/未来网络的关键基础设施,该研究首次证明空中超表面可远程窃听定向回传信号且几乎不影响合法通信,挑战了定向波束天然安全的传统认知,对金融等关键行业通信安全构成潜在威胁,需引起蓝队关注。

🎯 建议动作: 研究跟进

排序因子: 来自网络安全顶级会议 (+8) | Community 数据源 (+1) | LLM 评分加成 (+0.6)
👥 作者: Chao Wang 0097, Feng Lin 0004, Hao Yan, Tong Wu, Wenyao Xu, Kui Ren 0001

该论文提出了一种名为 VibSpeech 的基于振动侧信道的宽带窃听方法。在传统的振动侧信道攻击中,攻击者利用设备(如智能手机、智能手表)中的加速度计等振动传感器,感知声波引起的微小振动,从而尝试恢复语音信号。然而,由于传感器采样率有限以及物理带宽限制,传统方法通常只能重建窄带语音,难以实际应用。VibSpeech 旨在突破这一限制,探索如何利用带限的振动信号实现宽带语音窃听。论文的核心思想可能涉及信号处理技术,如超分辨率重建、频谱外推或基于学习的方法,从带限振动信号中恢复缺失的高频分量,从而提升语音的可懂度和识别率。研究可能包括对振动传播模型的建模、攻击场景的设计(例如通过恶意应用或远程入侵获取传感器数据)、以及实验验证,在真实设备上评估窃听效果。该工作揭示了振动侧信道在语音窃听方面的现实威胁,促使安全社区关注传感器数据泄露的防护。论文适合对侧信道攻击、传感器安全、隐私保护感兴趣的研究人员阅读。

💡 推荐理由: 该研究将振动侧信道从理论提升到实际窃听威胁,可能影响所有配备振动传感器的智能设备,提醒安全从业者重新审视传感器权限带来的隐私风险。

🎯 建议动作: 研究跟进

排序因子: 来自网络安全顶级会议 (+8) | Community 数据源 (+1) | LLM 评分加成 (+0.5)
👥 作者: Guangyuan Ji, Wenjing Wang, Bingsheng Zhang

本文提出 LEAKFORGE,一个设备无关的框架,将跨设备加速度计窃听问题转化为物理引导的数据生成问题。作者指出,设备相关的泄漏并非任意,其主导变化局限于音频到加速度计传递函数的一个受限族。LEAKFORGE 通过采样该传递函数族,从普通语音合成大规模、设备多样的加速度计轨迹,并显式建模机电传递、结构共振、滤波和混叠效应。仅在该合成域上训练的窃听模型可以直接应用于来自未见过的智能手机的轨迹。该工作的核心贡献在于,利用物理知识指导合成数据生成,从而摆脱了对真实设备采集数据的依赖,提升了跨设备泛化能力。适合对传感器侧信道、移动设备安全、物理层信息泄漏以及基于合成数据的模型迁移感兴趣的读者阅读。

💡 推荐理由: 该研究展示了通过加速度计实现跨设备语音窃听的可行性,且无需针对每台设备重新采集数据,提醒移动平台需重新评估传感器访问权限和信号处理管线的风险。

🎯 建议动作: 研究跟进

排序因子: 来自 arXiv 其他板块 (+2) | Community 数据源 (+1) | LLM 评分加成 (+0.5)
👥 作者: Xin Yao 0002, Kecheng Huang, Yimin Chen 0004, Jiawei Guo, Jie Tang, Ming Zhao 0007

本研究提出了一种名为EchoLLM的新型声学窃听攻击方法,利用毫米波雷达结合大语言模型(LLM)从骨传导耳机中恢复语音信号。骨传导耳机通过振动颅骨传输声音,传统窃听手段难以直接捕获。作者通过向骨传导耳机发射毫米波雷达信号,并接收反射信号中的微小振动调制,进而利用LLM增强信号处理和语音重构能力,实现高精度窃听。实验表明,该方法在多种环境噪声条件下均能有效恢复可理解的语音内容。该研究首次展示了LLM在物理层安全攻击中的潜力,凸显了新型可穿戴设备面临的隐私威胁。适合安全研究人员、物联网安全工程师及隐私保护专家阅读。

💡 推荐理由: 首次展示LLM辅助毫米波雷达对骨传导耳机的高精度窃听,揭示了新型可穿戴设备的物理层隐私漏洞,对个人隐私保护提出新挑战。

🎯 建议动作: 研究跟进

排序因子: 来自网络安全顶级会议 (+8) | 命中热门研究主题 (+2) | Community 数据源 (+1) | LLM 评分加成 (+0.5)
👥 作者: Xiaomeng Chen, Jike Wang, Zhenyu Chen, Qi Alfred Chen, Xinbing Wang, Dongyao Chen

该论文提出了一种名为DualStrike的新型攻击方法,能够对市面上常见的商用键盘实现高精度、实时的按键窃听与注入。研究团队通过分析键盘在按键过程中产生的电磁辐射或声学信号,利用深度学习模型从侧信道信号中恢复按键内容,并进一步实现按键注入(即模拟按键操作)。核心创新在于双通道融合机制:同时利用电磁和声学两种侧信道,显著提高了按键识别的准确率和鲁棒性,即使在多任务环境下也能保持实时性。实验在多种键盘型号上进行,验证了攻击的有效性和隐蔽性。该研究揭示了当前商用键盘在物理安全层面的严重缺陷,对涉及敏感信息输入的场景(如密码输入、金融交易等)构成直接威胁。

💡 推荐理由: 该攻击可在用户无感的情况下窃取键盘输入,且无需接触设备,对个人隐私和企业数据安全构成严重威胁。

🎯 建议动作: 纳入内部物理安全评估,对高敏感区域进行防护升级

排序因子: 来自网络安全顶级会议 (+8) | Community 数据源 (+1) | LLM 评分加成 (+0.6)