康奈尔大学的一组研究人员，特别是 Joshua Harrison、Ehsan Toreini 和 Maryam Mehrnezhad，发表了一篇论文，详细介绍了他们在训练人工智能仅从音频中解释键盘输入方面的工作。通过记录击键来训练模型，他们能够预测键盘上输入的内容，准确率高达 95%。当使用 Zoom 训练系统时，这一准确率仅下降至 93%。

该系统不能与任意随机键盘配合使用，必须针对特定键盘进行训练，并参考每个击键对应的字符。这可以使用麦克风在本地完成，也可以使用 Zoom 等应用程序远程录制击键音频。

笔记本电脑

在项目演示中，团队使用 MacBook Pro 来测试这个概念。他们每次按下 36 个单独的按键 25 次。这是人工智能模型识别哪个字符与哪个击键声音相关的基础。录音产生的波形存在足够的细微差异，使其能够以惊人的准确度识别每个键。

这种类型的潜在攻击并非没有弱点。该团队表示，可以采取一些措施来降低系统的准确性，包括改变您的打字风格。盲打将击键识别准确率从 % 降低到 40%。还可以使用软件产生噪音，通过白噪音或额外的按键来使输入变得混乱。