返回资讯中心
外部精选
软件工程
#开发者实时流

研究:AI可通过手机录音推断录音者的居住位置

来源标题:The sound that can give away where you live

手机录音会携带录制者无意泄露的线索,而AI正让这些线索更容易被拼凑出来。文章以一名匿名泄露公司内部视频的员工为例,说明录音中的声音信息可被用于推断其居住地。目前报道未提及具体所用模型或技术细节。

Hacker News 最新AnthusAI2026/11/9 · 8 天前23 分钟阅读

以下正文由 AI 翻译自 Hacker News 最新(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。

一段手机录音可能携带录制者从未打算分享的线索。而 AI 正让这些线索更容易被拼凑起来。

一段录音泄露的信息可能超出录制者的本意。设想一起发生在家庭办公室里的泄密事件。

她检查屏幕,看有没有映出自己的倒影;又检查画面,看有没有拍到窗户。然后,她拍下工作笔记本电脑上正在播放的演示视频,用一个新账号把视频发了出去。

Leah 在一家科技公司远程工作,公司员工分散在全国各地。公司正准备发布一款产品,而一段内部视频在产品发布前几周就展示了它。

Leah 知道,从工作电脑上拷贝文件可能会留下痕迹。于是她掏出手机,对准笔记本电脑,录下屏幕。画面里没有姓名,没有工牌,也没有全家福。她把剪辑好的视频看了两遍,才匿名上传。

视频传开了。人们争论这家公司到底在做什么。公司想知道是谁泄露了视频。数百名员工都可能看过这段演示,而 Leah 的账号没给调查人员任何有用的东西。有几天,她以为自己侥幸过关了。

随后,一名调查人员把这段视频交给一个 AI agent。这个 agent 把目光投向了画面之外。在音频深处、笔记本电脑的声音之下,它发现了从头顶飞过的飞机的嗡鸣声。

它把这段声音与航班记录进行比对,计算出录音可能产生的一片区域。这片区域有好几公里宽。单凭这一点,还构不成一个具体地址。但公司已经掌握员工的住址,而在有权观看这段演示的人里,只有一个人住在那片区域。

Leah 小心隐藏了她知道可能暴露身份的那些细节。决定性的线索并不在画面里。它来自她家外面,而公司补上了缺失的那一环。

Papyrus 是支撑本网站的发布系统。Agent 负责发现、排序并起草报道;由你决定发布哪些内容。

Leah 的调查是虚构的,但她录音里的那条线索在现实中有对应案例。

在 2026 年的一次演示中,以 colsto 为名发布内容的创作者检查了一段录音中微弱的飞机声,并将其音高的变化与航班追踪数据进行了比对。音高的变化——多普勒效应——正是警笛在靠近和驶过时听起来不同的原因。在这里,飞机声音的形态和时序成了推断麦克风位置的线索。在视频中描述的例子里,这位创作者称把一段参考录音的范围缩小到了大约 100 米,并测试了一段更短的片段。1

那是一次演示,并不保证陌生人能精确定位任何视频。这种方法依赖于可用的飞机声音、合适的航班记录以及其他条件,比如片段中有不止一次飞机飞越,或者有已知的录制时间。一段很短的片段、一个嘈杂的房间、缺失的航班数据或一架不合适的飞机,都可能让调查人员几乎没有可用的线索。细节很重要。头顶常有飞机经过,并不能衡量这种方法多久能奏效。

另一位调查人员展示了另一种手法:把直播中的雷声与闪电击中记录进行匹配。雷声方法和飞机方法使用不同的事件和不同的证据。两者都不需要录制者主动说明自己在哪里。2

在我们设想的场景中,公司拥有公共调查人员可能不具备的优势:它已经知道员工住在哪里。一个不确定的结果对它仍然可能有用。但它也可能指向错误的员工。

没有任何一条线索能单独指认她。合在一起,它们指向一个人,而指向并不等于证明。

线索不限于声音

天空只是可能传播得比预期更远的信息来源之一。

一张照片即使没有 GPS 标签,也可能泄露位置。Privacy International 及其研究伙伴测试了从可见细节推断照片拍摄地点的 AI 系统。他们担心的不只是聪明的猜谜游戏:同样的能力也可以用来核实某个事件,或曝光不想透露行踪的人。3

文字同样可能泄露信息。苏黎世联邦理工学院(ETH Zurich)的研究人员在 Reddit 帖子上测试了语言模型,发现这些模型能从普通写作中推断个人属性。他们还报告说,模型完成这项工作的成本和时间只是人类调查人员的一小部分。他们的结果因属性而异,描述的也是特定数据集。令人不安的一点是:一个人不必写下某个私密事实,他的一批评论合在一起就可能暗示出这件事。4

一条线索可能只是缩小范围。麻烦出现在它与另一条线索相遇时:一个街区加上一份员工名单,一张照片加上一句随口说出的话,一个日常习惯加上一条公开记录。合并线索可以提高猜测的准确度,但也可能让一个错误的猜测看起来比实际更可信。

这一切并非始于聊天机器人。人们长期以来一直在从地图、图像、声音和公开记录中拼凑位置信息。正在改变的是:谁能尝试这项工作,以及机器可能承担其中多少。

可以给一个 agent 分配任务,让它选择工具、检查中间结果,并尝试另一种方法。一个开源项目已经把飞机声音分析打包成 agent 可以使用的工具。其作者描述了测试情况和局限性;这个项目的存在并不能证明 agent 能可靠地从任何录音中找到任何人。它确实表明,一种专家方法可以被变得更容易交给软件使用。5

这种低成本和高速度——体现在 ETH 研究人员的特定任务上,而非每一项地理定位调查中——指向一个更大的变化:一项曾经需要耐心、专业知识以及充分理由才值得投入的搜索,可能被更频繁地尝试,针对更多的人。4

(原文较长,此处译出前 6000 字,完整内容请点「打开原文」。)

正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。

打开原文
去社区讨论 →