1、“.....反而忽视了对智能手机外部进行攻击的方式。由于智能手机具有体积小功能强大等特点，大多数的人都选择智能手机作为业务工具，像手机银行手机邮件人工服务和手机支付等，然而这些业务操作中都会使用智能手机的拨号键盘，用户通过拨号键盘进行菜单选择以及密码输入，而这种按键操作会产生种的音频信号，通过这种信号的录音进行检测可以识别用户的按键内容，且不容易让用人信息，等人发现的些恶意软件可以捕捉语音通话和记录内臵麦克风的任何对话第类是系统层面的攻击，如发现了系统上多种远程代码执行漏洞，并且不需要用户交互就可以进行攻击，等人发现的针对操作系统缺乏身份验证造成网络套接字滥用问题第类是网络层面的攻击，如等人提出的通过移动热点通信信道获取其他节点的数据和流量，等人提出的公共接入点的隐私泄露智能手机外部攻击及防御基于信号的探究通讯论文觉，且与用户手机无交互情况下进行有效攻击......”。

2、“.....提取信号的有效区域再将有效区域通过算法转换到频域进行数字分类对比通过比照编码表得到用户所有按键数据。实验结果表明，该方法在信噪比，且与用户手机无交互的条件下能破解以上的按键数据。最后，给出了相应的防御方法。关键词信号算法内部攻击外部攻击智能手机低，但是也基本满足要求，分割准确率基本保持在以上。最后，本文在位位和位数字切割完成后，将所有有效区间的信号经过算法进行分类，从数字至数字，检测信号所对应的数字是否正确。图所示为将采集的位数字的录音数据以及分割后的位数字的信号数据取份，进行分类算法的结果。算法的平均分类准确率为，实验结果表明，该攻击方法是有效的。智能手机外部攻击及防御基于信号的探究通讯论文杭州电子科技大学的第教学楼实验室进行。首先在实验室环境下采集数据，分别按照位位位和位数字录取各份录音数据......”。

3、“.....其中录音采用两部手机相距进行录制，音频格式为，信号采样率为，精度为，窗函数采用汉明窗，帧长取，帧移为。结果分析首先将采集到的份数据位数字，位数字，位数字，加入种不同信噪比下的噪声，然后根据基于时基于短时过零率判别。如图所示，根据背景噪声的平均过零率确定个阈值，以信号的短时平均过零率为标准，从点往左从点往右搜索，找到短时平均过零率低于阈值的两个点和，这就是语音段的起止点，即信号的起止点。通过短时能量的粗判，再结合短时过零率的特性进行辅助判断，可以很好地分割信号的有效区域。如图所示，数字的连续按键音信号经过双阈值端点分割后的情况，从上往下依次是数字录音的原始信号在加入的噪声后的信号函数为，加窗后第帧语音信号的短时过零率为公式其中是符号函数。公式双阈值端点检测在语音信号信噪比高的条件下......”。

4、“.....即使在最低电平的语音的能量也比噪声能量要高。但是，在现实生活中很难保证信号的高信噪比，仅仅根据短时能量进行判断是不够的。因此，还需进步利用信号的短时过零率进行判断，而语音段的短时平均过零率比噪声的短时平均过零率要高出好几倍，所以可以作为区，并从点往左从点往右进行搜索，分别找到短时能量曲线与相交的两个点和，于是就是基于短时能量所判断的语音段。智能手机外部攻击及防御基于信号的探究通讯论文。表个频率对应的值由于算法只关心个频率的信息，相对于算法计算量更小，在频域上的分辨率更好。图所示为和条件下，数字对应的信号识别情况。其中算法将信号整个频域的信息都计算出来了，且需要找出两个幅度最大的短时平稳信号，采用短时过零率可以在定程度上反映语音信号的频谱性质，由此可以获得频谱特性的种估计。设语音信号为，窗函数为，加窗后第帧语音信号的短时过零率为公式其中是符号函数......”。

5、“.....仅靠计算信号的短时能量就基本能够把语音段和噪声段区别开来，即使在最低电平的语音的能量也比噪声能量要高。但是，在现实生活中很难保证信号的高信噪比，仅仅根据短时能量进行判断是不够的。因音信号经过双阈值端点分割后的情况，从上往下依次是数字录音的原始信号在加入的噪声后的信号信号的短时能量分布以及信号的短时过零率分布。从图中可以看出该双阈值端点检测算法能够很好地分辨出和非信号。基于频域的分类检测连续的信号经过时域上的端点检测后，被分割成单个的信号，需要对单个的信号进行分类解析成表中的数字和字母。传统的信号检测方法有算法算法等，本文采用智能手机外部攻击及防御基于信号的探究通讯论文分语音段的辅助判断。基于此，本文利用信号的短时能量和短时过零率双重阈值判别和非信号。基于短时能量判别。如图所示......”。

6、“.....再根据背景噪声的平均能量确定个较低的阈值，并从点往左从点往右进行搜索，分别找到短时能量曲线与相交的两个点和，于是就是基于短时能量所判断的语音域分析中除了对语音信号的短时能量进行分析，还可以从语音信号波形的角度分析。语音信号输入会随着时间上下波动，形成其特有的波形，这特征可以用帧内语音信号通过零值的次数来描述，称为短时过零率。若是连续信号，则语音信号的时域波形通过横轴的次数即为过零若是离散信号，则相邻取样值之间的符号变化即为过零。由于语音信号是种短时平稳信号，采用短时过零率可以在定程度上反映语音信号的频谱性质，由此可以获得频谱特性的种估计。设语音信号为，低的条件下，分割精确度在以上，在高信噪比的条件下能达到以上的分割准确率。而由于电话号码数字位数较长，在低信噪比的条件下......”。

7、“.....分割准确率基本保持在以上。最后，本文在位位和位数字切割完成后，将所有有效区间的信号经过算法进行分类，从数字至数字，检测信号所对应的数字是否正确。图所示为将采集的位数字的录音数据以及分割后的位数字的信号数据取份，进行频率值，而对应的算法计算个信号的幅度值，计算量减小，而且分辨率更高。表所示为和算法计算复杂度对比，在的条件下，的计算量相对于算法减少了。表与算法运算结果对比算法实现算法的流程如图所示，具体步骤为对输入的数字语音信号进行预处理，其中包括滤波分帧加窗使其去除大部分噪声信号。加窗后的第帧语音信号的短时能量为公式短时过零率时此，还需进步利用信号的短时过零率进行判断，而语音段的短时平均过零率比噪声的短时平均过零率要高出好几倍，所以可以作为区分语音段的辅助判断。基于此，本文利用信号的短时能量和短时过零率双重阈值判别和非信号。基于短时能量判别......”。

8、“.....首先根据语音信号的短时能量平均值选取个较高的阈值进行第次粗判，语音的起止点位于该阈值与短时能量曲线交点所对应的时间间隔之外即段之外。再根据背景噪声的平均能量确定个较低的阈值算法对信号进行检测，相对于算法效率更高。加窗后的第帧语音信号的短时能量为公式短时过零率时域分析中除了对语音信号的短时能量进行分析，还可以从语音信号波形的角度分析。语音信号输入会随着时间上下波动，形成其特有的波形，这特征可以用帧内语音信号通过零值的次数来描述，称为短时过零率。若是连续信号，则语音信号的时域波形通过横轴的次数即为过零若是离散信号，则相邻取样值之间的符号变化即为过零。由于语音信号是种分类算法的结果。算法的平均分类准确率为，实验结果表明，该攻击方法是有效的。基于短时过零率判别。如图所示，根据背景噪声的平均过零率确定个阈值，以信号的短时平均过零率为标准，从点往左从点往右搜索......”。

9、“.....这就是语音段的起止点，即信号的起止点。通过短时能量的粗判，再结合短时过零率的特性进行辅助判断，可以很好地分割信号的有效区域。如图所示，数字的连续按键智能手机外部攻击及防御基于信号的探究通讯论文度为，窗函数采用汉明窗，帧长取，帧移为。结果分析首先将采集到的份数据位数字，位数字，位数字，加入种不同信噪比下的噪声，然后根据基于时域的端点检测算法进行分割。本文定义了端点分割的误差函数公式其中为位数字的分割误差为位数字经过基于时域的端点分割后的有效区间数为位数字有效区间的真实数。图所示为种不同位数的数字在不同信噪比下的端点检测结果。可以看出位和位数字信号在信噪比户察觉，也不需要与用户手机进行交互。基于此考虑，本文主要分析了提出的基于信号智能手机外部的攻击方法并给出相应的防御方法。循环步骤和，当满足双阈值判别时......”。