您的智能手机会监视您键入的内容

您所要做的就是将手机放在键盘旁边，以提供直接通道供任何人阅读您所键入的内容-这完全取决于按键的振动。

我们都做到了–将手机放在键盘旁边的桌子上。如果您想让工作自己完成，这可能不是一个好主意。

麻省理工学院和佐治亚理工学院的研究人员团队提供了概念证明，仅使用智能手机内部的传感器（准确地说是iPhone 4）来记录击键。

第一个有趣的发现是，iPhone 3GS内的加速度计不足以拾取按键的振动，但iPhone 4产生了清晰的信号。这不仅表明传感器正在变得越来越好，而且这种改进带来了真正的改变。

iPhone 4的位置离键盘只有几英寸远，并且在将传感器数据馈入两个神经网络的同时按下了按键。对数据进行处理以生成基于时间和频率信息范围的特征向量，其中一个网络经过训练可以识别按键的水平位置，另一个可以识别垂直位置。由于硬件的限制，扫描速率偏低，为100Hz。

仅仅检测原始按键并不能产生非常准确的结果，但是切换到选择成对的关键字然后使用单词词典确实可以产生有用的数据提取。达到了大约80％的精度，但是随着按键次数的增加，精度降低了。单词识别仅达到46％的准确度，但是如果包括第二选择的单词，则准确率提高到73％。显然，语义分析可以提高准确性。

已经进行了一些实验，这些实验通过听键盘产生的噪音来恢复文本，并且与基于振动的方法相比，它们获得了更高的精度。关键区别在于该实验使用的是智能手机，而不是带有大麦克风和高速采样的台式机。该方法的准确性可能较低，但是可能被打包到智能手机恶意软件中，并且在没有人知道它正在进行的情况下使用。

论文描述了该方法的一些问题-如果电话距离键盘太远，则振动不够强；如果用户在桌子上敲击或播放收音机，则干扰太大，并且用户键入的次数过多处理器无法跟上的速度很快。

那么如何制止这种窃听呢？

将电话留在房间外面或放在桌子旁边而不是放在桌子上的袋子里。研究人员还建议，将来可以对API进行修改，以将采样速率限制为低于正在监听的数据的奈奎斯特速率-在这种情况下为30Hz。

推测工程设计可能比神经网络学习方法做得好得多，这很有趣。加速度计的作用很像地震仪，地质学家拥有许多使用这些数据来确定地震发生地点的技术。也许相同的信号处理技术可以精确定位关键振动的位置，而无需使用监督学习。

无论最终结果如何，很明显，拥有智能手机的秘密性和私密性都难以确定。下次有人将手机放到您的桌子上时要小心。