鹦鹉用 Echo 购物成功？浙大“海豚攻击”不服

以后像双十一这种购物节，要防的可不仅仅是败家媳妇，可能还有你家那只表达欲比较强的宠物！

据法新社报道，一只来自英国的鹦鹉，通过模仿主人声音，利用智能声控音箱  Echo 在亚马逊网站上成功下单，买下一个价值10英镑（13.5美元）的礼品盒。

那这只名叫鹦鹉究竟是如何做到的呢？

这只名叫巴迪的鹦鹉能够成功下单靠的是亚历克萨（Alexa）语音助手，它可以帮助用户通过 Echo智能声控音箱在亚马逊网站上进行购物。

《太阳报》网站上的一段视频显示，鹦鹉叫了声“Alexa”，然后扬声器开始亮起蓝灯，表示它正在听从用户的需求。机器回复到：“你想订什么呢？”巴迪随后胡言乱语一番，当时主人并没有把这事太放在心上，直到她收到一份订单显示，已经订购了一些金色的礼品盒。

鹦鹉竟然能模仿人的声音进行购物，这听上去是不是有些令人难以置信？

接下来，一支来自浙大的团队用 Echo 所做的事情，可能更加颠覆你的想象！因为他们也神不知鬼不觉的让 Echo 进行了购物，比这只鹦鹉做的更加隐蔽。

我们探索的，是20至20000赫兹之外的世界

来自浙江大学电气工程学院 智能系统安全实验室(USSLab) 的一群学霸以“搞破坏”而声名远扬，在“头头”徐文渊教授的带领下，把市面上最火的智能设备语音助手系统黑了个遍，其中包括谷歌的 Google Assistant、苹果的Siri、亚马逊的 Alexa、三星的S Voice、微软的 Cortana 以及华为的 HiVoice 等。

团队成员冀晓宇老师告诉雷锋网，“海豚攻击”的原理就是通过利用麦克风的硬件漏洞，成功“黑”进智能设备的语音助手系统，通过发出人耳无法听到的超声波语音，让语音助手执行他们所下达的指令。

由于这个实验的特性，Echo理所当然的成为了他们的攻击对象。

语音助手的工作路径，就是通过麦克风收录人类语音，语音识别系统加以识别，把语音转化为文本，系统依文本执行指令。产品设计师沿着这个思路一路往前，设备变得越来越“听话”，人们也越来越享受到“声控”的便利。

徐文渊这样向雷锋网编辑解释智能语音识别系统的工作原理。

如上图所示，智能语音识别要先进行声音抓取（对麦克风收进来的声音进行放大和过滤，让它更容易辨识），然后再进行激活，如果没被激活，则要继续进行声音识别，如果已经激活，则可以开始下一步的命令，这也是我们文章开头看到的那一幕。

鹦鹉叫了声“Alexa”，然后扬声器开始亮起蓝灯，表示它已经激活，正在听从用户的需求。并回复到：“你想订什么呢？”

正如在图中右下角看到的很多应用，既有聊天应用、导航系统，也有类似跟 Siri 等智能聊天机器人。徐文渊和团队所做的超声波语音的研究，正是在此过程中进行的。

一般来讲，人耳可以听到的声音在20至20000赫兹之间，而徐文渊团队发起的攻击，用的是20000至40000赫兹的超声波语音指令，它像海豚的叫声一样，人耳是听不见的，所以这项攻击也被叫做“海豚攻击”。

当把普通语音转换成超声波的形式之后，麦克风依然能够接收，并继续转化为语音系统能够识别的语音信号。只是整个过程人耳朵听不见。这就是漏洞所在。

如何把普通语音转换为超声波？

麦克风作为一种基本的电子器件，它将声音信号转换为电信号。“这是模拟信号转换为数字信息的第一道门。”团队的着眼点，就是在模拟信号转换成数字信号 0 和 1 之前的各种安全问题。这与人们熟知的处理数字信号漏洞的病毒查杀各有分工。

雷锋网(公众号：雷锋网)发现，在今年的 hackpwn 上，团队成员闫琛就对他们的破解进行了如下的解释。

信息分模拟信号和数字信号。模拟信号是比较底层的更加能够反映物理的信号，数字信号则是方便我们处理和传输的信号。作为物联网设备包括三个环节，第一是感知，第二是处理，第三是传输。通常的安全研究，像密码学、漏洞挖掘都是集中在数字，特别是集中在处理层和传输层。模拟信号其实是作为比较底层的信号，它的安全直接决定上层数据的安全，并且可以严重影响整个系统的安全。

那针对底层信号，如何把普通语言转化为超声波呢？闫琛这样解释。

我们对超声波进行了调制，在麦克风之后会出现与原声音接近的波形。

他们在攻击中，对超声波进行了调制，调制过程如上图所示，左上是声音波形，左下是超声波载波，右边则是调制成功的超声波。

从图中我们可以发现，他们有相似的曲线。

也就是说，在智能语音进行识别的过程中，人声和这段超声波所识别出来的意思是一样的。

这也是为什么，超声波能在神不知鬼不觉的状态下，让语音助手来干这干那。比如，对于想做恶作剧的人来说，超声波可以通过Siri为你设置凌晨3点的闹钟，而且是周一到周日~~~

如何才能用 Echo 更安全的购物？

目前，用 Echo 购物所使用的 Alexa 语音助手，它的语音购买功能仅支持 亚马逊 prime 的用户。普通用户只能通过语音添加商品到购物车，不能直接购买。

闫琛对雷锋网说，Echo为用户提供的安全选项有两点，一是可以关闭语音购买功能，二是可以在下单之前说一个预先设置的四位数密码。

徐文渊说，在解放双手的欲求的驱使下，语音助手在未来的生活中必将扮演越来越重要的角色，成为智能家居、智能办公的重要部分。即便“无声”操控听起来让人很没有安全感，但这绝不意味着“天要塌下来了”，你的邻居目前还不太可能操纵你家客厅的设备。“

我们进行攻击时，距离不能太远，因为我们那个设备属于那种直接用的设备，所以它在功能上面是有限的，我们只是想证明一下这个攻击是可行的，没有在设备上花太多精力去找能力比较强的。在实验当中，echo是要在两米之内，手机可能要更近一点，因为超声波本来就有方向性，所以需要把发射器对着你的麦克风。

徐文渊希望，可以在语音功能的起步阶段，发现并弥补漏洞，在它们广泛应用到更多领域具有更多功能之前，预见风险，控制风险。

目前，各大IT设计制造厂商对浙大这群“破坏者”们的研究动向充满兴趣。徐文渊也做出如下解释。

我们一直与业界有沟通，在研究结果正式发表之前，已递交给苹果、华为等厂商，并提出“补漏”建议。

具体到这项海豚攻击，团队提出了两种方法，一是加固硬件，二是开发能够更加精准区分机器声与人声的软件。

参考来源：DolphinAttack: Inaudible Voice Commands

论文链接：https://arxiv.org/pdf/1708.09537.pdf

。