도호쿠대, 교토대, 나라첨단과학기술대학원대 연구진은 타건음으로 노트북 입력 내용을 복원하는 AI 기반 음향 사이드채널 공격을 개발했다고 CyberInsider가 2026년 7월 27일 보도했다. 이 방식은 피해자의 특정 키보드 녹음을 미리 학습할 필요가 없다는 점에서 기존 키보드 소리 공격과 다르며, 연구진이 설명한 상황에서 더 현실적으로 쓰일 수 있다.

이 공격은 오디오 접근만 사용하며 악성코드, 특권 접근 권한, 피해자 기기에 대한 사전 지식을 요구하지 않는다. 연구진은 공공장소에서 피해자 근처에 스마트폰을 두는 방식, 공유 책상이나 벽에 접촉식 마이크를 설치해 진동을 포착하는 방식, 온라인 회의 중 배경음으로 전송된 타건음을 복구하는 방식 등 3가지 공격 시나리오를 설명했다.

시스템은 오디오 녹음에서 개별 타건음을 분리하고 비슷한 소리를 묶은 뒤, Transformer 기반 언어 모델(문맥을 반영해 텍스트를 예측하는 시스템)로 가장 가능성 높은 문자 시퀀스를 추론한다. 또한 연구진은 음향 신호에만 의존하지 않고 주변 문맥을 활용해 해독된 텍스트를 반복적으로 개선하기 위해 피드백 메커니즘과 LLM을 추가했다.

2019 MacBook Pro 옆에 스마트폰을 둔 실험실 테스트에서 복원 정확도는 관측된 타건 100~150회만으로 99%를 넘었다. 이 기법은 Dell, HP, Lenovo, Apple 노트북에서도 작동했지만 일부 모델은 더 많은 타건 포착이 필요했다. 같은 책상 위 접촉식 마이크나 벽을 통해 약 3미터 거리에서 수집한 진동 녹음은 약 150~250회 타건 뒤 정확도 90%를 자주 넘었다. Google Meet, Microsoft Teams, Zoom 실험에서는 소음 억제가 비활성화된 회의 오디오가 수백 회 타건 뒤 입력 텍스트를 높은 정확도로 복원할 수 있음을 보였다. 연구진은 음소거하지 않은 상태에서 민감한 내용을 입력하지 말고, 소음 억제를 켜며, 주변 녹음 장치를 주의하라고 권고했다.

도호쿠대, 교토대, 나라첨단과학기술대학원대 연구진은 타건음으로 노트북 입력 내용을 복원하는 AI 기반 음향 사이드채널 공격을 개발했다고 CyberInsider가 2026년 7월 27일 보도했다. 이 방식은 피해자의 특정 키보드 녹음을 미리 학습할 필요가 없다는 점에서 기존 키보드 소리 공격과 다르며, 연구진이 설명한 상황에서 더 현실적으로 쓰일 수 있다.

이 공격은 오디오 접근만 사용하며 악성코드, 특권 접근 권한, 피해자 기기에 대한 사전 지식을 요구하지 않는다. 연구진은 공공장소에서 피해자 근처에 스마트폰을 두는 방식, 공유 책상이나 벽에 접촉식 마이크를 설치해 진동을 포착하는 방식, 온라인 회의 중 배경음으로 전송된 타건음을 복구하는 방식 등 3가지 공격 시나리오를 설명했다.

시스템은 오디오 녹음에서 개별 타건음을 분리하고 비슷한 소리를 묶은 뒤, Transformer 기반 언어 모델(문맥을 반영해 텍스트를 예측하는 시스템)로 가장 가능성 높은 문자 시퀀스를 추론한다. 또한 연구진은 음향 신호에만 의존하지 않고 주변 문맥을 활용해 해독된 텍스트를 반복적으로 개선하기 위해 피드백 메커니즘과 LLM을 추가했다.

2019 MacBook Pro 옆에 스마트폰을 둔 실험실 테스트에서 복원 정확도는 관측된 타건 100~150회만으로 99%를 넘었다. 이 기법은 Dell, HP, Lenovo, Apple 노트북에서도 작동했지만 일부 모델은 더 많은 타건 포착이 필요했다. 같은 책상 위 접촉식 마이크나 벽을 통해 약 3미터 거리에서 수집한 진동 녹음은 약 150~250회 타건 뒤 정확도 90%를 자주 넘었다. Google Meet, Microsoft Teams, Zoom 실험에서는 소음 억제가 비활성화된 회의 오디오가 수백 회 타건 뒤 입력 텍스트를 높은 정확도로 복원할 수 있음을 보였다. 연구진은 음소거하지 않은 상태에서 민감한 내용을 입력하지 말고, 소음 억제를 켜며, 주변 녹음 장치를 주의하라고 권고했다.