Смартфон слышит звук, даже если микрофон выключен
Наш Telegram канал - https://t.me/batmanstore_ru Может ли смартфон «слышать» вас без микрофона? Оказывается — да, и это подтверждено научными исследованиями. В этом видео разбираю, как гироскопы и акселерометры способны улавливать вибрации, связанные с речью и вводом текста, почему такие каналы утечки называются side-channel атаками и в каких условиях они действительно работают. Это не про слежку за каждым человеком, а про физику сенсоров, ограничения мобильных платформ и то, как машинное обучение превращает шум в данные. Без теорий заговора — только исследования, реальные эксперименты и выводы, которые полезно понимать каждому, кто работает с техникой или просто пользуется смартфоном каждый день. Ссылки на исследования: 1. Gyrophone Michalevsky et al., USENIX Security Symposium 2014 📄 Gyrophone: Recognizing Speech from Gyroscope Signals 🔗 [https://www.usenix.org/conference/usenixsecurity14/technical-sessions/presentation/michalevsky](https://www.usenix.org/conference/usenixsecurity14/technical-sessions/presentation/michalevsky) 2. AccelWord / AccelKey (акустика + акселерометр) 📄 AccelWord: Inferring Words from Acceleration Data 🔗 [https://arxiv.org/abs/1802.02820](https://arxiv.org/abs/1802.02820) 3. TouchLogger через IMU (2022) 📄TouchLogger: Inferring Touchscreen Inputs Using Inertial Sensors 🔗 [https://arxiv.org/abs/2201.02441](https://arxiv.org/abs/2201.02441) 4. Co-located Device Attacks (2023) 📄 Your Phone Can Watch You Type: Co-located Side-Channel Attacks via Motion Sensors* 🔗 [https://arxiv.org/abs/2303.08537](https://arxiv.org/abs/2303.08537) 5. **ML-усиление слабых side-channel сигналов (2023–2024)** 📄 Deep Learning for Side-Channel Signal Enhancement 🔗 [https://arxiv.org/abs/2306.04711](https://arxiv.org/abs/2306.04711)
Наш Telegram канал - https://t.me/batmanstore_ru Может ли смартфон «слышать» вас без микрофона? Оказывается — да, и это подтверждено научными исследованиями. В этом видео разбираю, как гироскопы и акселерометры способны улавливать вибрации, связанные с речью и вводом текста, почему такие каналы утечки называются side-channel атаками и в каких условиях они действительно работают. Это не про слежку за каждым человеком, а про физику сенсоров, ограничения мобильных платформ и то, как машинное обучение превращает шум в данные. Без теорий заговора — только исследования, реальные эксперименты и выводы, которые полезно понимать каждому, кто работает с техникой или просто пользуется смартфоном каждый день. Ссылки на исследования: 1. Gyrophone Michalevsky et al., USENIX Security Symposium 2014 📄 Gyrophone: Recognizing Speech from Gyroscope Signals 🔗 [https://www.usenix.org/conference/usenixsecurity14/technical-sessions/presentation/michalevsky](https://www.usenix.org/conference/usenixsecurity14/technical-sessions/presentation/michalevsky) 2. AccelWord / AccelKey (акустика + акселерометр) 📄 AccelWord: Inferring Words from Acceleration Data 🔗 [https://arxiv.org/abs/1802.02820](https://arxiv.org/abs/1802.02820) 3. TouchLogger через IMU (2022) 📄TouchLogger: Inferring Touchscreen Inputs Using Inertial Sensors 🔗 [https://arxiv.org/abs/2201.02441](https://arxiv.org/abs/2201.02441) 4. Co-located Device Attacks (2023) 📄 Your Phone Can Watch You Type: Co-located Side-Channel Attacks via Motion Sensors* 🔗 [https://arxiv.org/abs/2303.08537](https://arxiv.org/abs/2303.08537) 5. **ML-усиление слабых side-channel сигналов (2023–2024)** 📄 Deep Learning for Side-Channel Signal Enhancement 🔗 [https://arxiv.org/abs/2306.04711](https://arxiv.org/abs/2306.04711)