智能音箱變身竊聽器 罪魁禍首是因為售價太低？

說到智能音箱，年輕的科技「玩家」們必然不會陌生：近兩年來興起的它，不僅可以替代傳統藍牙音箱來欣賞音樂，還能在聯網之後實現和用戶的「語音互動」：講個笑話、點首歌、陪家中的老人小孩說說話，甚至是用於實現全屋智能家電的語音控制，功能簡直不要太強大。

而且，智能音箱不僅功能多，「可玩性」高，它的價格還十分便宜：以目前市面上消費情況火熱的幾款智能音箱為例，價格最低者不到500元就能買到，即便是稍微「豪華」一點的智能音箱，許多也僅要價千元左右。相比於智能手機或者其他智能化的大家電產品，智能音箱看起來的確「價廉物美」，不是么？

智能音箱變成「竊聽器」，這不是玩笑

但是，如果告訴你，這些智能音箱，尤其是其中廉價的型號——可能正隨時隨地監聽著你的一舉一動，將你的每一句話都偷偷錄音……你還會覺得它「性價比高、可玩性高」么？

圖片來自boingboing

近日，來自騰訊的安全研究團隊就展示了一種可以將智能音箱變成「竊聽器」的辦法：他們選取了全球最受歡迎的廉價智能音箱亞馬遜Echo，通過刷入修改版的固件，便將其變成了一個攻擊裝置。隨後，便能藉助這台音箱，實現竊聽、攻擊其他智能家電等一系列黑客操作……

放在家裡的智能音箱，突然就成為了黑客的「幫凶」？當然，實際上的入侵過程不可能如此一帆風順。據相關信息披露，騰訊安全團隊為了「黑」掉那台音箱大動干戈，而且相關漏洞現在已經被亞馬遜方面修復。但是，廉價智能音箱可能被惡意利用的事實，卻經由這次實驗，吸引了大量的關注。

太過於依賴「雲端」，使黑客有機可乘

智能音箱為什麼能夠起到「竊聽」的作用？實際上，這個問題的答案，直指向目前大多數智能音箱產品的基本工作原理。

感謝知名IT產品拆解站iFixit，上圖為他們使用X光掃描得來的Google Home智能音箱的內部結構——請注意，大多數廉價智能音箱的設計遠沒有這麼精密，但它們的基本結構大致相當，從上至下依次是麥克風陣列與WiFi天線、主控電路板、以及最下方的揚聲器（喇叭）。

當用戶和智能音箱交互的時候，首先揚聲器捕捉到用戶的語音命令，將語音進行降噪處理之後，通過WiFi網路發送到雲端伺服器上。伺服器對語音進行識別，提取出其中的意思，然後將對應的操作指令返回給智能音箱，通過主控晶元再來控制揚聲器播放歌曲、做出回答，或是通過WiFi/藍牙天線發送智能家電控制指令給其他設備——這，就是一款普通的、廉價的智能音箱典型的工作流程。

圖片來自The Verge

發現問題了么？對，之所以智能音箱存在著泄露隱私的危險，甚至可能被黑客利用，最要命的原因就在於：普通的智能音箱嚴重依賴於雲端伺服器進行語音語義識別。這意味著，它需要將用戶說的話，完完整整地通過網路進行發送……如果一旦發送的數據包在半路上遭到監聽，那智能音箱就和「竊聽器」沒什麼區別了。

有「聲紋識別」就萬事大吉了？根本不是這回事

明白了原理，如何解決它，其實也就呼之欲出了：只要不通過雲端進行語音識別就行。當然，這就要求「智能音箱」必須要具備本地的語義識別計算能力，在晶元內部進行語義識別，之後只把識別出的「問題」以加密文本形式發送，就能大大避免隱私泄露的問題。

看到這，可能有的朋友鬆了一口氣：原來是這樣，那我的智能音箱自帶聲紋識別，能認出我的聲音來，是不是就意味著它有本地識別能力，就更安全了？

很遺憾，我只能說——您想多了。所謂「聲紋識別」，只不過是簡單的錄音特徵比對，它對於計算性能的要求很低，的確不需要聯網也能運行。但是，真正的「理解」用戶命令的能力，需要的卻是基於AI的語義識別能力，它和「聲紋識別」完全不是一回事。

放在智能音箱上，就是當用戶以特定的關鍵字「喚醒」智能音箱的那一句話，的確是可以在本地完成識別的，但是對於隨後的命令，絕大多數智能音箱還是需要上傳錄音，才能「聽懂」。這就好比許多人都能分清鋼琴和黑管的音色區別，但卻只有極少數人能聽懂樂曲內涵的意思一樣。

安全的智能音箱是存在的，只不過你可能買不起

說了這麼多，在這個市面上，難道就完全不存在安全的智能音箱了么？其實還是存在的——蘋果HomePod就是極少數的「優秀代表」。為了能夠實現本地語音識別，HomePod里集成了一顆iPhone6「同款」的A8處理器，這才賦予了它強大的本地AI處理能力……

知名蘋果專題網站Macworld測試HomePod時的布景，可見其使用者之「壕」

當然，同理，如果哪家廠商把驍龍845「塞」進智能音箱，它當然也能實現同等安全的本地語義識別，只傳輸已識別之後的文本信息的功能。然而，這其實已經足以說明一個關鍵的問題：

僅以市面上數百元的價位，想要實現真正安全的、本地化AI驅動的智能音箱體驗，是從根本上不可能做到的。真正安全好用的智能音箱，至少在現在這個階段、不可能如此便宜。

【本文圖片來自網路】

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！