一组研究人员刚刚发表了一篇论文，表明在将命令嵌入到不仅是音频文件中，而且还包括白色噪声中，否则演讲者会将其视为沉默和忽视。这篇研究论文展示了能够唤醒智能扬声器的可能性，一旦完成了，他们就会做任何事情。
研究人员利用他们在深度语音上的假设，这是一个最先进的开源语音到文本引擎，它使用谷歌的TensorFlow项目来使实现变得更容易。在他们的演示中，他们设法向谷歌主页和亚马逊Echo等智能设备发出闻所未闻的命令，将它们隐藏在白噪声中。他们还能够使用音频文件甚至常规的预录语音文件来做同样的事情。这项技术的工作原理只是增加了一个轻微的失真，整个音频，所以不可察觉的，它不能被人的耳朵。然而，当一个智能扬声器听到文件时，它会过滤掉失真并听到命令，从而促使它采取行动。
研究人员说，他们能够在测试中获得100%的成功率，这表明公司迫切需要填补他们产品安全性的漏洞。对于一个普通人来说，创建这样的音频文件的技术是复杂的，但在任何想要引起问题的人的能力范围内。一个人不仅可以发出唤醒命令，还可以让智能扬声器做其他事情，比如接管你所有的智能灯泡，或者在亚马逊上订购产品。
现在，我们手机上的谷歌助理只会回应它被训练过的声音，然而，Alexa并不是这样，它是亚马逊Echo音箱范围内的人工智能。语音匹配可能是一种更好的方式来确保智能扬声器，这将确保他们只响应选定的人的声音。
如果你有兴趣进一步阅读这一点，研究人员已经把一个网页与多个音频文件（原始和修改），以及解释他们的技术。他们还提供了可用于生成这些攻击音频的代码，以及最近发表的研究论文。
