最新研究表明,智能手表、健康追踪器(Fitness Tracker)等腕带和臂章设备有可能被攻击者用来监视你;此外,通过智能手表中内置的运动传感器,攻击者能够通过受害者手部运动数据来猜测用户向键盘上输入的数据。
可穿戴设备安全问题
关于利用物联网设备来监视用户的可能性,我们之前已经讨论了好多次。缺乏安全性的设计以及糟糕的安全设置,都有可能向黑客敞开攻击的大门。通过一个智能手表或者健康追踪器,黑客就能知道用户在键盘上输入的个人信息。
运动泄漏项目
在今年9月份,ECE伊利诺斯州的副教授Romit Roy Choudhury领导一组学生,开发了一个移动APP,这个应用程序能够通过分析智能手表的移动来检测用户按下的键盘按键。这些研究人员计划在本周巴黎举行的MobiCon 2015大会上展示这一研究成果。
这个项目称为“运动泄漏(Motion Leaks,MoLe)”,它由美国国家科学基金会资助。目前,研究人员已经在一款三星Gear Live智能手表上安装了这个本土APP。
使用智能手表的内置运动传感器,以及来自加速度计和陀螺仪的更具体数据,在用户利用键盘打字时,研究人员能够创建一个用户手运动轨迹的3D地图。
深度监视项目
现在,哥本哈根大学的一位硕士研究生Tony Beltramelli,提出了另一个名为“深度监视(deep-spying)”的项目,它利用可穿戴设备内置的陀螺仪和加速度计收集的数据进行监视。通过分析用户运动,可以猜测他们通过键盘所写的内容。例如,当受害者访问一台ATM机时,就能够通过他手部的运动来猜测他输入PIN码的信息。
Beltramelli写道:
“智能手表确实可能会穿戴一整天,这就向网络罪犯提供了一个普遍的攻击面。因此,这一点意义重大:利用运动传感器连续猜测按键内容可能一直会发生。”
由Beltramelli开发的软件从索尼智能手表3收集运动数据,并通过分析它来猜测用户输入的所有信息。下面的POC视频演示了猜测在键盘上输入数字的系统。
这位研究者的目标是,提高用户对物联网设备中内置的运动传感器风险的认识,并展示如何使用它们来监视用户。论文中陈述道:
“在这项研究中,基于LSTM的实现可以在12-键的小型键盘上执行高精度的触控日志和键盘日志功能,即使面对原始未经处理的数据也能达到很高的精度。因此证明,通过基于运动传感器所收集的数据,并进行不相关数据的排除及精心设计的特征提取策略,深层神经网络能够执行按键推理攻击。”
最后,这项研究表明,智能手表和其他可穿戴设备正在扩大我们受攻击的攻击面。
好文章,需要你的鼓励
美国网络安全和基础设施安全局指示联邦机构修补影响思科ASA 5500-X系列防火墙设备的两个零日漏洞CVE-2025-20362和CVE-2025-20333。这些漏洞可绕过VPN身份验证并获取root访问权限,已被黑客积极利用。攻击与国家支持的ArcaneDoor黑客活动有关,黑客通过漏洞安装bootkit恶意软件并操控只读存储器实现持久化。思科已发布补丁,CISA要求机构清点易受攻击系统并在今日前完成修补。
康考迪亚大学研究团队通过对比混合量子-经典神经网络与传统模型在三个基准数据集上的表现,发现量子增强模型在准确率、训练速度和资源效率方面均显著优于传统方法。研究显示混合模型的优势随数据集复杂度提升而增强,在CIFAR100上准确率提升9.44%,训练速度提升5-12倍,且参数更少。该成果为实用化量子增强人工智能铺平道路。
TimeWave是一款功能全面的计时器应用,超越了苹果自带时钟应用的功能。它支持创建流式计时器,让用户可以设置连续的任务计时,帮助专注工作。应用采用简洁的黑白设计,融入了Liquid Glass元素。内置冥想、番茄工作法、20-20-20护眼等多种计时模式,支持实时活动显示和Siri快捷指令。免费版提供基础功能,高级版需付费订阅。
沙特KAUST大学团队开发了专门针对阿拉伯语的AI模型家族"Hala",通过创新的"翻译再调优"技术路线,将高质量英语指令数据转化为450万规模的阿拉伯语语料库,训练出350M到9B参数的多个模型。在阿拉伯语专项测试中,Hala在同规模模型中表现最佳,证明了语言专门化策略的有效性,为阿拉伯语AI发展和其他语言的专门化模型提供了可复制的技术方案。