Vídeos no YouTube podem ser uma séria ameaça aos smartphones. Após descobrirmos que hackers podem roubar informações apenas "ouvindo" o cooler do PC, pesquisadores de segurança descobriram mais um perigo para se preocupar na internet: uma voz abafada e modificada em um vídeo qualquer poderia emitir comandos para um dispositivo próximo, acionando assistentes virtuais como Google Now e Siri.

Os pesquisadores descrevem a ameaça em um estudo a ser apresentado no próximo mês, no Simpósio de Segurança USENIX em Austin, Texas. Eles também demonstram a técnica em um vídeo, que você confere abaixo.

No exemplo, um dos comandos usados foi “Ok Google, Open XKCD.com,” o que fez com que o assistente abrisse a URL. Isso já torna fácil imaginar como um hacker poderia fazer com que um celular acesse um site que contém malware, ou instruir o dispositivo a tirar uma foto.

O reconhecimento de voz facilita o uso dos dispositivos, mas os softwares de voz também podem tornar mais fácil de hackear os aparelhos, advertiu Miquéias Sherr, professor da Universidade de Georgetown e um dos autores do estudo.

Comandos de voz modificados de modo que os seres humanos tenham dificuldade em entender as palavras, mas que os assistentes ainda são capazes de reconhecer, ganham o aspecto de palavras semelhantes a um grunhido, que soa como áudios "demoníacos". Pode parecer pouco provável que isso passe desapercebido, mas sons como esses são comuns em vídeos de filmes ou jogos de terror.

Pode não funcionar todas as vezes, mas se um milhão de pessoas assistirem a um vídeo com uma mensagem secreta incorporada, 10 mil delas pode ter ter seu dispositivo por perto. Se 5 mil dentre eles carregarem uma URL com malware, "você tem 5.000 smartphones sob o controle de um atacante", disse Sherr em um comunicado.

De acordo com a publicação da pesquisa, para defender usuários contra a ameaça os desenvolvedores de software de reconhecimento de voz poderiam incorporar filtros para diferenciar os sons humanos e os gerados por computador.