论文信息：Harrison, Joshua J. et al. “A Practical Deep Learning-Based Acoustic Side Channel Attack on Keyboards.” 2023 IEEE European Symposium on Security and Privacy Workshops (EuroS&PW) (2023): 270-280.

背景

侧信道攻击（SCA，Side Channel Attack）利用了设备所产生的许多信号，其中包含了电磁波、电量消耗、移动传感器以及声音。有研究指出无线键盘产生可检测且可读的电磁波，但敲击键盘所产生的声音（keystroke）更加普遍且更容易被利用，并且也是人们疏于防范的因素之一。

尽管键盘已经越来越不怎么被提及，能够利用其声学特点的技术却在发展。比如带着VoIP协议的带有麦克风的电子设备（如智能手表等）

深度学习（DL）为机器学习（ML）的一个子类，其模型含有互联神经元的多个层。虽然DL在上世纪60年代就已经在计算机领域蓬勃发展，但直到2010年左右，趁着图形处理技术、图像识别技术、生成对抗网络（GAN）和转换器（transformer）的发明的春风，它才迎来了一次爆发式的突破。而随着最近的诸如带着更多传统卷积模型转换器的CoAt图片识别网络被提出，这样进步的势头仍然保持。同时Pytorch等python包也提供运行此类模型的支持，这些都使得利用键盘声学的侧信道攻击变得容易。已有很多研究在探索在笔记本电脑上应用ASCA（Acoustic SCA）的可行性，但这个领域还尚待进一步开发。笔记本电脑相较台式机更加便携，因此在公共场合它的声学特征更容易受到外界因素干扰；并且笔记本电脑是非模块化的（non-modular），也就是说同样的模型要对应同样的键盘，这种统一性说明，越是受欢迎的笔记本电脑可能更加容易遭受ASCA的攻击影响。