本文提出一种利用用户网络摄像头进行侧信道攻击的方法，以窃取在线投票中的隐私选择。作者通过分析用户投票时眼动轨迹，利用深度学习模型从视频流中提取视线方向特征，并结合投票界面布局，推断用户点击的选项。实验在受控环境下进行，使用多个参与者模拟投票场景，结果表明该方法能够以较高准确率（>85%）恢复用户的投票选择，且无需修改硬件或注入恶意代码。研究揭示了视频侧信道在投票隐私中的新风险，并讨论了可能的防御措施，如视线随机化或屏幕防窥膜。