本文针对增强现实（AR）和虚拟现实（VR）环境中通过头戴显示器（HMD）进行虚拟键盘打字时可能存在的隐私泄露问题，提出了一种新型侧信道攻击SNOOPFINGER。研究背景是AR/VR技术在金融、教育等领域的快速普及，用户通过手部追踪与虚拟对象交互，虚拟键盘成为主要输入方式。然而，用户打字时伴随的细微头部运动可被HMD传感器（无需额外权限）捕获，从而泄露输入内容。SNOOPFINGER的核心创新在于采用跨模态方法，仅依赖头部运动数据推断用户手部键入的信息，无需控制器或受害者先验数据。攻击流程包括：首先收集受害者打字时的头部运动轨迹，然后通过机器学习模型（如神经网络）映射到按键序列，最终重构单词或句子。实验招募24名参与者，在模拟AR/VR环境中进行打字任务，结果表明：单词推断Top-1准确率达55.2%，句子重建准确率达68.8%。该研究首次证明零权限的头部运动数据可被利用来窃取隐私输入，揭示了HMD环境下直接手打输入的重大安全风险。最后，论文讨论了潜在的缓解策略，如引入随机抖动、限制传感器采样率或使用噪音干扰。该工作对AR/VR系统设计者、安全研究人员以及用户隐私保护具有重要参考价值。