墙上的苍蝇——利用差压传感器中的声学侧信道

差压传感器被广泛部署用于监测关键环境。然而，我们的研究揭示了一个以前被忽视的漏洞：它们对压力变化的高度敏感性使其容易受到声学侧信道攻击。我们证明，DPS中的压力传感膜片会无意中捕获由语音引起的细微空气振动，这些振动通过传感器组件传播并影响压力读数。利用这一发现，我们引入了BaroVox，一种新颖的攻击方法，它从DPS读数中重建语音，有效地将DPS变成了“墙上的苍蝇”。我们对声音对DPS的影响进行建模，探索了声学泄漏的极限和挑战。为了克服这些挑战，我们提出了两种解决方案：一种使用独特谱减法的信号处理方法，以及一种基于深度学习的用于关键词分类的方法。在各种条件下的评估证明了BaroVox的有效性，手动识别的词错误率为0.29，自动识别的准确率达到90.51%。我们的发现强调了这一漏洞的重大隐私影响。我们还讨论了减轻BaroVox风险的潜在防御策略。