銀行密碼泄露怎么辦呢？泄密者究竟是誰呢？手機流氓APP怎么猜出銀行密碼的呢？下面為你揭秘泄密者竟然是自己手機的傳感器，這個震驚的消息你知道嗎？

手機太能干了：計算你每天走了多少步，幫你導航，成為你的轉賬工具……這是因為它們裝了一套傳感器。手機傳感器的功能，有些曾被我們忽略了，比如感知光線、濕度、壓力以及氣溫。

手機傳感器每時每刻都在與人為伴，畢竟絕大多數(shù)人選擇一直開機，即使手機鎖著屏。

手機用它們機敏的“觀察力”完成我們吩咐，是件好事，但是手機擁有的過多私人信息，也讓它們成為強大的潛在間諜。看似無害的數(shù)據(jù)，比如氣壓計讀數(shù)的微小變化，也能暴露你的海拔，即位于建筑的第幾層。

也許，這些鬼鬼祟祟的入侵還沒有發(fā)生在你的生活里。但是，學界和產業(yè)界的相關研究者們，已經開始正試圖阻止入侵的出現(xiàn)。

小傳感器，可能透露大秘密

不用授權，就能算出你的密碼

手機中的運動探測器，比如加速計和旋轉感知陀螺儀，可能成為暗地收集手機數(shù)據(jù)的主要工具。它們不受訪問許可的保護。也就是說，一個剛安上的應用，不需要得到手機使用者的授權，就能訪問這些傳感器。

加州大學洛杉磯分校的工程師瑪尼·斯里瓦斯塔瓦說，“這些傳感器信號上包含著極多樣的環(huán)境信息。”

舉個例子，觸碰手機屏幕的不同區(qū)域，會讓手機傾斜并有些許位移，而手機上的運動傳感器可以識別這種方式。這些傳感器的數(shù)據(jù)用人類的眼睛看也許毫無意義，但復雜的計算機程序可以在混亂中識別出各種模式，并將一塊塊運動數(shù)據(jù)和對不同按鍵區(qū)域的觸碰匹配起來。

大多數(shù)情況下，這些計算機程序都使用了機器學習的算法，阿勒·海奇說。研究者給這些程序提供大量運動傳感器的數(shù)據(jù)，這些數(shù)據(jù)標記有特定運動造成的鍵盤觸擊信息，由此訓練它們識別鍵盤敲擊。

一些研究者創(chuàng)建了一個叫做TouchLogger的應用，該應用可以收集方向傳感器的數(shù)據(jù)并用這些數(shù)據(jù)來推測用戶按了手機上哪些數(shù)字鍵。在2011年舊金山USENIX的關于安全熱點的專題討論會上，TouchLogger在HTC手機上進行了一次測試，對按鍵輸入的推測正確率達到了70%以上。

自那以后，科學家們編寫推測各類手機上的數(shù)字以及字母按鍵的代碼，做了許多類似的研究。在2016年《普適與移動計算》期刊上，阿勒·海奇和他的同事對這些研究進行了評述。按鍵可以泄漏所有信息——從網(wǎng)上銀行的登陸密碼，到一封郵件，或者一條短信的內容。

一個更新的應用程序利用了一整套手機傳感器，來猜PIN碼，包括陀螺儀、加速計、光傳感器以及測量磁性的磁強計在內的。這個應用分析的是手機的移動軌跡，以及在觸屏時用戶手指是如何遮住光傳感器的。根據(jù)研究者2017年12月發(fā)布的報告，在50個PIN碼庫的測試中，這個應用通過按鍵推測出的答案有99.5％正確。

其他研究者有匹配運動數(shù)據(jù)與錄音記錄的，這可以挑出手指點擊屏幕時發(fā)出的較輕的聲音。一個研究小組設計了一款可以偽裝成簡單筆記工具的惡意軟件。當用戶使用該應用鍵盤的時候，這個應用會悄悄記錄下鍵盤輸入信息、鍵盤輸入時麥克風和陀螺儀的數(shù)據(jù)，來學習每個按鍵的聲音和移動感覺。

這款應用甚至能夠在后臺竊聽用戶在其他應用上輸入的敏感信息。根據(jù)2014年美國計算機協(xié)會召開的無線與移動網(wǎng)絡的安全隱私會議[3]的記錄，在三星和HTC手機上測試的時候，這個應用推測出的100個4位PIN碼的正確率是94％。

不過阿勒·海奇指出，這個成功率這么高，主要是因為擊鍵解碼技術是在可控條件下運行的。它假設的大前提是，用戶會用一種特定的姿勢握著手機或坐下來打字。如果在更廣的范圍中呢？效果還有待觀察。但是，運動傳感器或者其他傳感器是否能成為侵犯隱私的新工具？——顯而易見，它們可以。

跟蹤狂：運動傳感器

你去了哪，可能見什么人，我都知道

運動傳感器同樣可以描繪出一個人旅途，比如一次地鐵或公交行程。一次旅程產生的潛在移動數(shù)據(jù)和更短的、急速的運動——比如把手機從口袋里拿出來——有可分辨的不同。研究者設計了一款應用，從加速計記錄中抓取不同地鐵路線的數(shù)據(jù)標志，該研究發(fā)表在了2017年IEEE[1]的《信息取證與安全事務》期刊上。

實驗使用了三星手機，在南京的地鐵上進行測驗。這個追蹤應用可以從辨認出使用者乘坐地鐵的路線，當乘坐站數(shù)變多時，應用的推測準確率也相應提高。當乘車距離是3站、5站、7站的時候，與之對應的低正確率是59％、81％和88％。有能力窺探用戶地鐵移動路線的人也許能知道用戶的私人信息，比如用戶的居住地點和工作地點、用戶常去的商店或酒吧、日常行程。如果這個應用能追蹤多人的話，窺探者甚至能知道用戶會在哪些地點見哪些人。