声波攻击：用扬声器隔空入侵电脑的隐蔽手法解析

一种不需要触碰的攻击方式

在传统的网络安全认知里，攻击者要么通过网络远程渗透，要么需要物理接触目标设备——插入U盘、连接线缆或直接操作键盘。而一个名为 Pwnd Blaster 的概念项目提出了第三条路径：完全通过扬声器发出的声波，在不接触电脑任何硬件接口的情况下实现入侵。

这个来自 Reddit 社区的技术分享揭示了一个容易被忽视的攻击面——设备之间的声学信道。攻击者不需要连接WiFi，不需要蓝牙配对，甚至不需要目标设备主动运行任何联网服务，仅凭声音就可能建立起一条隐蔽的数据通道。

声波如何成为攻击载体

声学隐蔽信道的基本原理

声学攻击的核心在于利用声波作为信息传输的介质。计算机的扬声器和麦克风本质上都是换能器（transducer），能够在电信号与声波之间转换。换能器的基本工作原理是将一种形式的能量转化为另一种形式：扬声器通过电磁驱动振膜将电信号转化为空气振动（声波），而麦克风则反向操作，将声波捕获并还原为电信号。现代笔记本电脑中广泛使用的MEMS麦克风（微机电系统麦克风）采用微型硅膜片感应气压变化，其灵敏度和频率响应范围往往超出消费者的认知。MEMS麦克风自2000年代中期开始大规模商用化，由楼氏电子（Knowles）等厂商推动，其核心结构是一个厚度仅为1-2微米的多晶硅振膜，与固定背板之间形成电容。声压引起振膜位移导致电容变化，经片上ASIC芯片放大后输出数字或模拟信号。现代MEMS麦克风的信噪比可达65-70dB(A)，即使在超声波频段仍保持可观的灵敏度，这使得它们成为声学攻击的理想接收器。许多MEMS麦克风的采样带宽可达到24kHz甚至更高，而操作系统的音频子系统（如Windows的WASAPI、Linux的ALSA/PulseAudio）通常以44.1kHz或48kHz的采样率工作，根据奈奎斯特采样定理，理论上可以捕获高达22.05kHz或24kHz的信号。这意味着即使用户从未主动使用麦克风，系统硬件层面已经具备了接收超声波信号的能力。这种双向转换能力意味着，任何配备了这两种器件的设备都天然具备声学通信的硬件基础。

值得注意的是，在桌面操作系统的权限模型中，麦克风访问控制远不如移动平台严格。在iOS系统中，自iOS 7起应用必须明确请求麦克风权限，且从iOS 14开始状态栏会显示橙色指示点提醒用户麦克风正在被使用；Android自6.0起实施运行时权限模型，应用每次访问麦克风都需要用户明确授权。然而在Windows和Linux系统上，情况截然不同。虽然Windows 10引入了应用级麦克风权限控制，但这一机制仅适用于UWP应用和部分注册了隐私能力声明的Win32应用——以SYSTEM权限运行的服务、驱动程序或通过提权获得管理员身份的恶意软件可以完全绕过这些限制，直接通过底层音频API（如内核流式传输接口）访问麦克风而不触发任何用户提示。Linux系统的情况更为复杂：虽然PipeWire和PulseAudio提供了基本的应用隔离和访问控制，但root进程可以直接操作/dev/snd/下的ALSA设备节点而不受任何限制，甚至不需要通过音频守护进程。这种权限模型的不对称性意味着，一旦恶意软件在桌面系统上获得提权，它便可以静默开启麦克风监听，为声学信道的接收端奠定基础，而用户对此毫无察觉。

攻击者可以将数据编码成特定频率的声音信号——包括人耳无法听到的超声波频段（通常高于20kHz）——通过一台设备的扬声器发出，再由目标设备的麦克风接收并解码。值得注意的是，虽然人耳的听觉上限通常在20kHz左右，但大多数商用扬声器和麦克风的实际频率响应范围可以延伸到22kHz甚至24kHz以上。这意味着存在一个"近超声波"窗口（18kHz-24kHz），该频段的信号对绝大多数人来说几乎不可感知，但仍在消费级音频硬件的工作范围之内。值得一提的是，这种近超声波隐蔽信道的概念在商业领域已有实际应用先例。2017年前后，研究人员发现包括SilverPush在内的多家广告技术公司在移动应用中嵌入超声波信标（ultrasonic beacon）SDK，通过电视广告或店内扬声器发出人耳不可闻的超声波信号，由用户手机麦克风接收后实现跨设备用户追踪——这一技术被称为uXDT（ultrasonic cross-device tracking），在被隐私研究者曝光后引发了FTC的关注。

uXDT技术的曝光进一步引发了一系列监管和技术响应。2016年，德国布伦瑞克工业大学（TU Braunschweig）的研究团队对Google Play商店进行了大规模扫描，发现有234个Android应用集成了SilverPush的超声波信标SDK，这些应用的累计安装量达到数百万。此后，Google于2017年更新了Play Store政策，明确禁止应用在后台使用麦克风进行超声波跟踪。欧盟GDPR的实施也对这类技术构成了法律约束，因为超声波跟踪本质上是在未经用户明确同意的情况下收集行为数据，违反了数据最小化和目的限定原则。这一商业案例的重要启示在于：它证明了超声波隐蔽信道不仅在实验室环境中可行，而且已经在真实世界中被大规模部署——攻击者只需将同样的技术栈从广告跟踪重新定向为恶意通信即可，技术门槛远低于人们的想象。这说明声学隐蔽信道不仅是理论上的安全威胁，而是已经存在成熟的商业化实现。

在数据编码方面，攻击者可以采用频移键控（FSK）、正交频分复用（OFDM）等调制技术，将二进制数据映射到不同频率或相位上，实现可靠的声学数据传输。频移键控（FSK）是最基础的数字调制方式之一，通过在两个或多个离散频率之间切换来表示不同的二进制状态。例如，攻击者可以约定19kHz代表逻辑'0'，20kHz代表逻辑'1'，通过快速切换频率来传输比特流。更高级的方案如OFDM将数据同时分布在多个子载波上，可以在有限带宽内提高吞吐量并增强抗干扰能力。在声学攻击场景中，研究者还实验过相移键控（PSK）和扩频通信技术，后者通过将信号能量分散到更宽的频带上来降低被检测的概率，使得防御方即使使用频谱分析仪也难以发现异常信号的存在。

这类技术在学术界并不新鲜。此前著名的研究如 BadBIOS（尽管争议颇多）以及以色列本古里安大学团队的一系列"气隙攻击"（air-gap attacks）研究，都探索过通过声、光、电磁、热等物理信道跨越网络隔离传输数据。本古里安大学的 Mordechai Guri 博士及其团队自2014年以来发表了超过30种不同的气隙跨越技术，其中声学类攻击包括利用硬盘机械臂振动发声的"DiskFiltration"、利用风扇转速变化传递信息的"Fansmitter"，以及直接利用扬声器超声波传输的"MOSQUITO"等。除声学类攻击外，该团队还研究了光学信道（如通过LED闪烁传输数据的"LED-it-GO"）、热信道（利用相邻计算机之间的温度变化传递比特的"BitWhisper"，传输速率约8比特/小时）、以及电磁信道（利用内存总线辐射的"AirHopper"、利用USB数据线作为天线的"USBee"）等方案。这些研究共同构成了一个完整的气隙攻击知识体系，表明物理隔离的安全模型需要根本性的重新审视——几乎所有能够产生或感知物理信号的计算机组件都可能被武器化为隐蔽通信信道。

2013年，德国弗劳恩霍夫通信研究所（Fraunhofer FKIE）的Michael Hanspach和Michael Goetz发表了另一项开创性研究，首次实验验证了在气隙系统之间建立多跳声学网状网络（acoustic mesh network）的可行性。他们使用商用笔记本电脑的内置音频硬件，在近超声波频段实现了约20比特/秒的传输速率，有效距离约19.7米。更重要的是，他们证明了多台被感染设备可以形成接力链路，将数据从深层隔离区逐跳传递到有网络连接的边界设备，从而彻底突破物理隔离。这种网状拓扑极大地扩展了声学攻击的实际威胁范围——攻击者不需要在目标设备的直接声学距离内，而是可以通过中间节点的接力实现远距离渗透。

Pwnd Blaster 可以看作是这一研究脉络在实用化方向上的延伸尝试。

为什么"不触碰"让防护失效

对于安全性要求极高的场景——比如与互联网物理隔离的"气隙"系统——传统的防护手段主要围绕网络边界和物理接口展开。所谓"气隙"（air gap），是指将敏感计算系统与任何外部网络完全物理断开的安全策略，广泛应用于军事指挥控制系统、核设施工业控制网络、金融核心清算系统以及涉密政府机构等场景。这些系统的安全模型建立在一个核心假设之上：只要切断了所有网络连接和无线通信能力，外部攻击者就无法与系统进行远程交互。传统的气隙防护通常包括禁用无线网卡、封堵USB端口、在物理层面移除蓝牙模块，甚至对机房实施电磁屏蔽（法拉第笼）。

但如果攻击可以纯粹依靠声波完成，那么再严密的网络防火墙、再严格的USB端口管控都可能形同虚设。声波作为一种机械波，能够穿透空气自由传播，不受电磁屏蔽的阻挡（法拉第笼能阻挡电磁信号但无法阻止声音传播），也不会留下任何网络日志或数据包记录。这意味着传统的安全监控体系——包括入侵检测系统（IDS）、安全信息与事件管理平台（SIEM）以及网络流量分析工具——对这类攻击完全"视而不见"。

只要目标设备配备了麦克风（如今几乎所有笔记本电脑都内置麦克风），并且被恶意软件预先植入了监听声学信道的能力，攻击者就能在一定距离内隐蔽地下达指令或窃取数据，整个过程既无线缆痕迹，也难以被常规流量监控发现。

声波攻击链的现实约束

需要理性看待的是，这类声学攻击虽然在概念上极具冲击力，但在实际落地中面临不少限制。

前置条件依然苛刻

首先，大多数声学信道攻击并非"凭空入侵"。目标设备通常需要事先被植入接收和解码声波指令的恶意程序，声波更多扮演的是已被感染设备的隐蔽控制通道或数据外泄通道角色，而非零基础的初始入侵手段。在网络安全术语中，这种远程控制通道被称为 C2（Command and Control）信道——攻击者通过它向已植入的恶意软件下发指令并回收窃取的数据。传统C2信道通常依赖HTTP/HTTPS、DNS隧道或社交媒体平台等网络途径，而声学C2的独特价值在于它能在完全断网的环境中工作。

换言之，声波解决的是"如何在隔离环境中通信"的问题，而不是"如何第一次攻破系统"。那么初始的恶意程序是如何植入气隙系统的呢？历史案例表明，常见途径包括：供应链攻击（在设备出厂前或运输途中植入后门）、内部人员威胁（有意或无意地将感染介质带入隔离区域）、以及利用维护窗口期通过移动存储介质传播。

供应链攻击作为气隙系统初始感染的重要途径，在近年来引起了越来越广泛的关注。除了针对工业控制系统的定向攻击外，2020年曝光的SolarWinds事件以惊人的规模展示了软件供应链攻击的破坏力——攻击者（据信为俄罗斯SVR情报机构）将恶意代码植入SolarWinds Orion网络管理平台的合法更新中，影响了包括美国财政部、商务部在内的约18,000个组织。在硬件层面，业界长期担忧芯片或固件级后门的可能性，因为现代电子设备的制造过程涉及全球化的复杂供应链，任何环节都可能成为攻击者的切入点。2018年彭博商业周刊曾报道中国军方在超微（Supermicro）服务器主板上植入微型间谍芯片的事件（尽管该报道至今未获独立证实，且当事各方均强烈否认），但这一事件本身反映了业界对硬件供应链安全的深度焦虑。无论硬件后门是否已被实际部署，固件层面的攻击——如修改UEFI/BIOS或BMC固件——已被多个APT组织实际使用，包括卡巴斯基发现的"方程式组织"（Equation Group）的HDD固件植入物。

Stuxnet是迄今为止最著名的气隙攻击案例，于2010年被发现。这一复杂的蠕虫病毒由美国和以色列联合开发（代号"奥林匹克运动会"），专门针对伊朗纳坦兹核设施中控制铀浓缩离心机的西门子S7-300 PLC系统。Stuxnet通过感染维护人员的USB设备跨越了多层气隙防线，利用了至少四个Windows零日漏洞进行传播，最终导致约1000台IR-1型离心机被物理损坏——它通过微调离心机转速使其在正常参数边缘运行，加速机械疲劳而不触发安全警报。这个案例深刻说明了气隙并非绝对安全屏障——只要存在任何形式的数据交换路径（无论多么间接），系统就可能被渗透。一旦恶意软件成功驻留，声学信道就成为攻击者与之保持通信的"最后一公里"解决方案。

距离、带宽与环境噪声的制约

其次，声学信道的传输速率极低，往往只有每秒几比特到几十比特，且对距离和环境噪声高度敏感。作为对比，即使是早期的56K拨号调制解调器也能提供每秒56,000比特的带宽，而现代WiFi连接的速率更是以百兆甚至千兆比特/秒计算。声学信道的带宽比最慢的网络连接还要低3-4个数量级，这从根本上限制了其应用场景。

从物理层面来看，超声波在空气中的衰减远比可听声严重。声波作为纵波在空气中传播时，其衰减受到两种主要机制的影响：几何扩散（能量随距离平方反比减弱）和大气吸收（空气分子的粘滞效应和热传导将声能转化为热能）。对于超声波频段，大气吸收成为主导因素。具体而言，在20°C、50%相对湿度条件下，20kHz声波的吸收系数约为0.5dB/m，而40kHz则急剧上升至约1.5dB/m。声波的大气吸收系数与频率的平方近似成正比，这意味着在几米的距离上信号强度就会显著下降。温度和湿度的变化也会显著影响传播特性，增加了攻击的不确定性。此外，办公设备（如显示器、开关电源、荧光灯）本身也会产生超声波频段的环境噪声，进一步压缩了可用的信噪比。根据香农信道容量定理 C = B·log₂(1 + S/N)，当信噪比（S/N）降低时，信道的理论最大传输速率也随之下降，这意味着环境噪声不仅可能导致误码，还从理论上压缩了可实现的最大带宽。

在嘈杂的办公室环境中，超声波信号很容易被削弱或干扰。因此，这类攻击更适合窃取密码、密钥等小体量的高价值数据，而非大规模文件传输。以一个256位的加密密钥为例，即使以每秒10比特的极低速率传输，也只需约26秒即可完成泄露——这已足以造成灾难性的安全后果。类似地，一个RSA-2048私钥（约2048位）以5比特/秒的速率传输也仅需约7分钟。

实际攻击场景中，攻击者可以采用"低慢小"策略——即以极低速率在长时间内持续泄露少量高价值数据，避免产生可被检测的突发信号。攻击者还可能利用数据压缩和优先级排序策略，先传输最关键的信息（如密钥种子、口令哈希），再根据信道条件决定是否传输更大的数据集。更为隐蔽的做法是选择在夜间或非工作时间实施传输，此时环境噪声最低，人员监控最少，信道质量最佳。这种"耐心攻击"模式意味着防御方不能仅在工作时间进行声学监控，而需要实施7×24小时的持续频谱监测。

针对声波攻击的安全防护建议

尽管存在诸多限制，Pwnd Blaster 这样的项目仍然具有重要的警示意义。它提醒安全从业者：攻击面远比我们想象的要广。

对于高安全需求的环境，防护思路应当扩展到物理层面：

• 禁用或物理移除不必要的麦克风与扬声器，尤其是气隙系统；
• 部署超声波检测设备，监控异常频段的声学活动。在攻防博弈中，防御方可以使用短时傅里叶变换（STFT）或小波变换对环境声进行实时频谱分析，建立正常声学环境的频谱基线，当超声波频段出现异常能量聚集时触发告警。需要注意的是，攻击方可能采用扩频技术（spread spectrum）将信号能量平摊到宽频带上使其淹没在环境噪底之下，或者采用跳频通信（frequency hopping）来规避固定频段的监控——这种攻防博弈本质上类似于电子战中的信号情报对抗，要求防御方具备相当的信号处理能力；
• 对敏感设备进行电磁与声学屏蔽——在这里需要强调的是，声学屏蔽与电磁屏蔽需要不同的技术方案：电磁屏蔽使用导电材料构成的法拉第笼，而声学屏蔽则需要使用隔音材料、消声结构或主动噪声消除技术。被动声学屏蔽依赖质量定律——材料越重、越密实，隔声性能越好——以及多层复合结构中的阻抗失配来反射和吸收声能。对于超声波频段，由于波长很短（20kHz对应约17mm波长），相对较薄的隔声材料就能起到有效阻挡作用。主动噪声消除（ANC）技术则通过实时采集环境声并生成反相信号来抵消入侵声波，但其在超声波频段的应用仍处于研究阶段。在军事和情报机构中，敏感会议室通常采用白噪声发生器覆盖潜在的窃听频段，这一思路同样适用于防御声学数据渗透攻击。两者必须组合部署才能实现全面防护；
• 强化端点检测，及时发现可能充当声学信道接收端的恶意进程——具体来说，安全团队应监控异常的麦克风访问行为、检测在超声波频段进行音频处理的可疑程序，以及审计音频驱动层的异常API调用。现代EDR（端点检测与响应）解决方案可以通过监控音频子系统的系统调用来建立正常行为基线，一旦发现非授权进程访问音频设备或进行异常频率范围的DSP（数字信号处理）运算，即触发告警；
• 实施音频设备的固件完整性验证，确保音频控制器的固件未被篡改——攻击者理论上可以修改音频芯片的固件，使其在操作系统层面不可见的情况下持续采集和处理超声波信号。这类固件级攻击特别危险，因为它们运行在操作系统的可见性之下，传统的安全软件无法检测到固件层的异常行为。防御方应定期对音频设备固件进行哈希校验，与厂商提供的参考值进行比对。

对普通用户而言，这类攻击的门槛和前置条件较高，不必过度恐慌，但它确实说明了一个道理：任何能够接收外部信号的传感器，都可能成为潜在的入侵入口。

结语

Pwnd Blaster 所展示的声波入侵手法，将网络安全的讨论从软件和网络层面拉回到了物理世界。它并非要制造恐慌，而是揭示了一个长期被低估的攻击维度。在万物互联、传感器无处不在的时代，安全防护的边界需要不断向外延伸——因为攻击者永远在寻找那些被忽视的缝隙。

核心要点

核心要点