語言處理領(lǐng)域有些像是狂野西部時代，創(chuàng)新空間無限，但防護(hù)也幾乎沒有，用戶對相關(guān)風(fēng)險的認(rèn)知幾近為零。

圖片來自“123rf.com.cn”

【編者按】到2020年，全球?qū)⒂?.25億智能音箱走入消費(fèi)者家中。到2020年，全球?qū)⒂?.25億智能音箱走入消費(fèi)者家中。但智能音箱市場膨脹的同時，我們不得不考慮這些設(shè)備走入家庭的潛在安全影響。

本文首發(fā)于安全牛，作者nana；由億歐編輯，供行業(yè)人士參考。

聯(lián)網(wǎng)設(shè)備快速增殖，物聯(lián)網(wǎng)(IoT)技術(shù)迅速超越了基本聯(lián)網(wǎng)裝置和可穿戴設(shè)備的范疇，語音處理等更復(fù)雜的互動式功能開始冒頭，智能音箱之類聲控設(shè)備迎來極大增長。

Adobe Analytics 的調(diào)查研究顯示：2018年，受訪消費(fèi)者中32%擁有智能音箱，上年同期的比例是28%。語音助手產(chǎn)品的采用率甚至超過了智能手機(jī)和平板電腦的——事實(shí)上，有人預(yù)測：到2020年，全球?qū)⒂?.25億智能音箱走入消費(fèi)者家中。

智能音箱蓬勃發(fā)展

智能音箱市場膨脹的同時，我們不得不考慮這些設(shè)備走入家庭的潛在安全影響。一個不太為人所知的威脅就是“Skill Squatting ”（譯為：技能偷占），該威脅很可能發(fā)展成現(xiàn)實(shí)網(wǎng)絡(luò)安全問題。

語音助手驅(qū)動的設(shè)備依賴“技能”，或者說指示助手執(zhí)行任務(wù)的聲音指令組合。當(dāng)該用戶通過短語下達(dá)聲音指令時，設(shè)備注冊該指令并確定用戶想要激活的技能。從開啟客廳的燈盞，到往購物清單上添加商品，甚至直接購買這些商品——用戶下達(dá)的每一個指令都有相應(yīng)的技能與之關(guān)聯(lián)。

每個智能助手都有能力在軟件小程序的驅(qū)動下變得更智能，可以自動執(zhí)行處理進(jìn)程。這些小程序會查詢指令，然后通過執(zhí)行一系列相關(guān)技能來完成指令指示的任務(wù)。比如說，在廚房準(zhǔn)備晚餐時可以指示智能音箱“播放晚餐音樂”，音箱便會找到相應(yīng)歌單，激活距離最近的揚(yáng)聲器開始播放。但要執(zhí)行該指令，智能音箱必須先準(zhǔn)確翻譯用戶的語音指示，再將該指令與用戶想要激活的特定技能相關(guān)聯(lián)。

去年9月，亞馬遜報(bào)告稱，開發(fā)人員已對超3,500個品牌推出了5萬多個Alexa技能。報(bào)告發(fā)布后的4個多月中肯定還有新的技能不斷添加到Alex技能庫中。

語音處理技術(shù)目前看起來似乎沒有局限性，這一點(diǎn)既令人振奮，又使人擔(dān)憂。語言處理領(lǐng)域有些像是狂野西部時代，創(chuàng)新空間無限，但防護(hù)也幾乎沒有，用戶對相關(guān)風(fēng)險的認(rèn)知幾近為零。

同音異形字之殤

智能音箱錯接技能會發(fā)生什么情況？通常也就是用戶萬般無奈，只好一遍遍重復(fù)自己想要執(zhí)行的操作指令。然而，除了情緒上的沮喪和憤怒，智能音箱錯誤理解用戶指令能造成的后果更為可怕。

語音處理技術(shù)并不能總是正確翻譯指令。同音異形字或發(fā)音不清晰的指令常能引起錯誤解析。在亞馬遜Alexa平臺上測試過53.7萬條單字語音樣本后，伊利諾伊大學(xué)厄巴納-香檳分校(UIUC)的研究人員發(fā)現(xiàn)了27個可預(yù)測的錯誤。其中一些是同音異形字，比如“sale”和“sail”，但有些就帶有不同的語音結(jié)構(gòu)了，比如“coal”和“call”，或者“dime”和“time”。

所有這些潛在錯誤將用戶暴露在了觸發(fā)意外指令的風(fēng)險之中，也就給網(wǎng)絡(luò)罪犯開辟了一條新的攻擊途徑。惡意黑客可以盯準(zhǔn)可預(yù)測錯誤，寄希望于重定向指令到惡意技能，以便竊取口令信息、入侵家庭網(wǎng)絡(luò)，甚或?qū)浺舭l(fā)送至第三方。這就是所謂的技能偷占( Skill Squatting )攻擊。

以“coal”和“call”為例：“call mom”(給媽媽打電話)是智能音箱常會收到的語音指令。黑客可以開發(fā)一條能被“coal mom”語音激活的技能?！癱oal mom”與“call mom”從意思上講完全不同，且“coal mom”不太可能作為合法指令注冊，但智能音箱很容易搞混二者，去執(zhí)行黑客的惡意指令，然后連接回正確的技能，在此期間用戶毫無所覺。

UIUC研究團(tuán)隊(duì)的測試中，27個可預(yù)測錯誤中有25個都至少能被偷占成功一次——93%的成功率。

武器化

盡管尚未在實(shí)驗(yàn)環(huán)境外發(fā)現(xiàn)此類攻擊，但我們很容易想象該攻擊的現(xiàn)實(shí)世界應(yīng)用。過往經(jīng)驗(yàn)告訴我們，語音識別系統(tǒng)會犯錯，用戶家庭網(wǎng)絡(luò)訪問權(quán)會被錯誤地交給網(wǎng)絡(luò)罪犯。通過激活被偷占的技能，惡意黑客甚至無需執(zhí)行所請求的指令就能抽取用戶的賬戶、家庭網(wǎng)絡(luò)和口令信息。因?yàn)檫@些設(shè)備通常不帶屏幕且操作很快，被偷占的技能可能激活太快以致用戶注意不到。與其他攻擊類似，網(wǎng)絡(luò)罪犯能利用人類行為及可預(yù)測錯誤劫持預(yù)定指令，將用戶導(dǎo)引向惡意技能。

雖然目前還沒出現(xiàn)WannaCry或熔斷/幽靈漏洞級別的大規(guī)模技能偷占攻擊，不足以拉響警報(bào)，但與所有創(chuàng)新一樣，語音處理技術(shù)總會出現(xiàn)故障。網(wǎng)絡(luò)安全人員和消費(fèi)者需認(rèn)真對待IoT設(shè)備安全問題。只要想想近半數(shù)美國家庭擁有智能音箱，難免會對這一數(shù)字背后的大量網(wǎng)絡(luò)犯罪潛在受害者數(shù)量暗暗心驚。