論文の概要: Invisible Ears at Your Fingertips: Acoustic Eavesdropping via Mouse Sensors

• arxiv url: http://arxiv.org/abs/2509.13581v1
• Date: Tue, 16 Sep 2025 22:39:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-18 18:41:50.669152
• Title: Invisible Ears at Your Fingertips: Acoustic Eavesdropping via Mouse Sensors
• Title（参考訳）: 指先で見えない耳:マウスセンサーで音を拾う
• Authors: Mohamad Fakih, Rahul Dharmaji, Youssef Mahmoud, Halima Bouzidi, Mohammad Abdullah Al Faruque,
• Abstract要約: Mic-E-Mouseは,高能率光マウスセンサを標的とし,ユーザを極秘に盗聴することを目的とした,初めてのサイドチャネル攻撃である。 音声信号はマウスの光学センサで検出可能な微妙な表面振動を誘導できることを示す。 人気のあるオペレーティングシステム上のユーザスペースソフトウェアは、このセンシティブなサイドチャネルを収集してブロードキャストすることができる。
• 参考スコア（独自算出の注目度）: 9.44089398835831
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Modern optical mouse sensors, with their advanced precision and high responsiveness, possess an often overlooked vulnerability: they can be exploited for side-channel attacks. This paper introduces Mic-E-Mouse, the first-ever side-channel attack that targets high-performance optical mouse sensors to covertly eavesdrop on users. We demonstrate that audio signals can induce subtle surface vibrations detectable by a mouse's optical sensor. Remarkably, user-space software on popular operating systems can collect and broadcast this sensitive side channel, granting attackers access to raw mouse data without requiring direct system-level permissions. Initially, the vibration signals extracted from mouse data are of poor quality due to non-uniform sampling, a non-linear frequency response, and significant quantization. To overcome these limitations, Mic-E-Mouse employs a sophisticated end-to-end data filtering pipeline that combines Wiener filtering, resampling corrections, and an innovative encoder-only spectrogram neural filtering technique. We evaluate the attack's efficacy across diverse conditions, including speaking volume, mouse polling rate and DPI, surface materials, speaker languages, and environmental noise. In controlled environments, Mic-E-Mouse improves the signal-to-noise ratio (SNR) by up to +19 dB for speech reconstruction. Furthermore, our results demonstrate a speech recognition accuracy of roughly 42% to 61% on the AudioMNIST and VCTK datasets. All our code and datasets are publicly accessible on https://sites.google.com/view/mic-e-mouse.
• Abstract（参考訳）: 現代の光学マウスセンサーは、高度な精度と高い応答性を持ち、しばしば見過ごされる脆弱性を持っている。 Mic-E-Mouseは,高能率光マウスセンサを標的とし,ユーザを極秘に盗聴することを目的とした,初めてのサイドチャネル攻撃である。 音声信号はマウスの光学センサで検出可能な微妙な表面振動を誘導できることを示す。 注目すべきなのは、人気のあるオペレーティングシステム上のユーザスペースソフトウェアは、この機密性の高いサイドチャネルを収集してブロードキャストすることができ、攻撃者はシステムレベルの直接の許可を必要とせずに、生のマウスデータにアクセスすることができることだ。 当初、マウスデータから抽出された振動信号は、一様サンプリング、非線形周波数応答、有意な量子化により、品質が劣る。 これらの制限を克服するために、Mic-E-Mouseは、Wienerフィルタリング、再サンプリング補正、革新的なエンコーダのみのスペクトログラムニューラルフィルタリング技術を組み合わせた、洗練されたエンドツーエンドのデータフィルタリングパイプラインを使用している。 攻撃の有効性は, 発話量, マウスの受粉率, DPI, 表面材料, 話者言語, 環境騒音など多岐にわたる。 制御された環境では、Mic-E-Mouseは音声再構成のためにSNR(Signal-to-noise ratio)を+19dBまで改善する。 さらに,AudioMNISTおよびVCTKデータセットの音声認識精度は,約42%から61%であった。 コードとデータセットはすべてhttps://sites.google.com/view/mic-e-mouse.comで公開されています。

関連論文リスト

• emg2qwerty: A Large Dataset with Baselines for Touch Typing using Surface Electromyography [47.160223334501126]
  emg2qwertyは、QWERTYキーボードでタッチ入力しながら手首に記録された非侵襲的筋電図信号の大規模なデータセットである。 1,135のセッションが108ユーザと346時間の録画にまたがっており、これまでで最大の公開データセットである。 sEMG信号のみを用いたキープレッシャの予測において,高いベースライン性能を示す。
  論文  参考訳（メタデータ） (2024-10-26T05:18:48Z)
• High-Quality and Full Bandwidth Seismic Signal Synthesis using Operational GANs [13.94568670805613]
  そこで我々は,下層センサから取得した信号を変換することで,新しい,高品質,全帯域地震信号合成を提案する。 我々は,新しい損失関数を持つOp-GAN (Operational Generative Adversarial Networks) を用いた。 提案手法は,Simulated Ground Motion (SimGM) ベンチマークデータセット上で広範囲に評価されている。
  論文  参考訳（メタデータ） (2024-07-06T08:07:23Z)
• Attention-Refined Unrolling for Sparse Sequential micro-Doppler Reconstruction [1.1356542363919058]
  STARは、高度に不完全なチャネル計測からでも人間の動きのマイクロドップラー配列を再構築するニューラルネットワークである。 これは、再構築されたマイクロドップラーの品質の観点から、最先端の技術を大幅に上回っている。
  論文  参考訳（メタデータ） (2023-06-25T12:50:17Z)
• The LuViRA Dataset: Synchronized Vision, Radio, and Audio Sensors for Indoor Localization [41.58739817444644]
  データセットには、カラー画像、対応する深度マップ、慣性測定ユニット(IMU)読み取り、5Gの大規模マルチインプットとMIMO(Multiple-output)テストベッドとユーザ機器のチャネル応答が含まれる。 これらのセンサーを同期させて、すべてのデータが同時に記録されるようにします。 このデータセットの主な目的は、ローカライゼーションタスクに最もよく使用されるセンサーとのセンサー融合の研究を可能にすることである。
  論文  参考訳（メタデータ） (2023-02-10T15:12:40Z)
• MDPose: Human Skeletal Motion Reconstruction Using WiFi Micro-Doppler Signatures [4.92674421365689]
  WiFiマイクロドップラーシグネチャに基づくヒト骨格運動再建のための新しいフレームワークであるMDPoseを提案する。 17個のキーポイントを持つ骨格モデルを再構築することで、人間の活動を追跡する効果的なソリューションを提供する。 MDPoseは最先端のRFベースのポーズ推定システムより優れている。
  論文  参考訳（メタデータ） (2022-01-11T21:46:28Z)
• Spotting adversarial samples for speaker verification by neural vocoders [102.1486475058963]
  我々は、自動話者検証(ASV)のための敵対サンプルを見つけるために、ニューラルボコーダを採用する。 元の音声と再合成音声のASVスコアの違いは、真正と逆正のサンプルの識別に良い指標であることがわかった。 私たちのコードは、将来的な比較作業のためにオープンソースにされます。
  論文  参考訳（メタデータ） (2021-07-01T08:58:16Z)
• Optimal control for quantum detectors [0.0]
  量子センサを用いて、背景雑音の存在下で外部信号を検出するための最適量子制御を求める。 白い背景雑音に対して、最適解は単純でよく知られたスピンロック制御スキームである。 その結果, パルス整形を複雑にすることなく, 短期量子センサに最適検出方式を実装できることが示唆された。
  論文  参考訳（メタデータ） (2020-05-12T18:15:59Z)
• BeCAPTCHA-Mouse: Synthetic Mouse Trajectories and Improved Bot Detection [78.11535724645702]
  本稿では,マウスの神経運動モデルに基づくボット検出器BeCAPTCHA-Mouseを提案する。 BeCAPTCHA-Mouseは、1つのマウス軌道だけで、平均93%の精度で高実在性のボット軌道を検出することができる。
  論文  参考訳（メタデータ） (2020-05-02T17:40:49Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。