豆包手機助手發(fā)聲：無法截屏銀行鍵盤等受保護內(nèi)容

12月13日消息，豆包等受有網(wǎng)友稱“豆包手機助手通過READ_FRAME_BUFFER權(quán)限，手機從GPU渲染的助手圖形緩沖區(qū)拿走圖像數(shù)據(jù)，不需要走上層的發(fā)聲截圖API。還用了CAPTURE_SECURE_VIDEO_OUTPUT權(quán)限，無法可以獲取銀行安全鍵盤等受保護的截屏鍵盤界面內(nèi)容”。

豆包手機助手官方表示，銀行這是保護對豆包手機助手技術(shù)實現(xiàn)方式的錯誤解讀，豆包手機助手采用的內(nèi)容是原生截屏接口，嚴格遵循應(yīng)用聲明的豆包等受Secure標記，無法截屏銀行安全鍵盤等聲明受保護的手機界面內(nèi)容。

任何持有豆包手機助手技術(shù)預(yù)覽版的助手用戶，都可以自己寫一個帶有受保護頁面的發(fā)聲APK進行測試，讓AI講解頁面內(nèi)容，無法可以驗證AI是截屏鍵盤無法看到的。

網(wǎng)友提到的READ_FRAME_BUFFER權(quán)限，是為了讓AI可以在后臺完成操作，豆包手機助手讓三方應(yīng)用運行在虛擬屏空間中。

為了獲取虛擬屏中運行的應(yīng)用截圖內(nèi)容（對應(yīng)方法WindowManagerService.captureDisplay）提供給豆包大模型推理，所以需要READ_FRAME_BUFFER權(quán)限，但該方法以及權(quán)限無法讀取到包括銀行APP在內(nèi)的任何三方應(yīng)用設(shè)置為Secure的內(nèi)容。

CAPTURE_SECURE_VIDEO_OUTPUT權(quán)限的使用，是因為受保護的頁面在虛擬屏的投影（即點擊靈動島打開的粉色邊緣的應(yīng)用界面）中會顯示為黑屏，用戶無法查看和操作。

所以需要此權(quán)限將受保護的內(nèi)容正常展示給用戶并能夠被用戶操作，但在投影后，受保護的頁面仍會標記為Secure，僅能被用戶查看，無法被截屏。

豆包手機助手操作手機功能的實現(xiàn)原理是：用戶下達指令-截屏發(fā)送給云端豆包大模型-模型理解后返回具體操作-手機端執(zhí)行操作指令，不斷重復(fù)直到完成任務(wù)。因此每一步操作后都需要再截圖上傳給云端大模型分析，每步操作間隔約為3秒鐘。

由于分析界面所需的大模型參數(shù)較大，受限于芯片性能暫時無法運行在手機端側(cè)，需要截圖上傳云端處理，目前國內(nèi)多家手機廠商具有AI操作能力的助手產(chǎn)品，也是同樣的實現(xiàn)原理，也會使用READ_FRAME_BUFFER等系統(tǒng)權(quán)限。

需要強調(diào)的是，豆包手機助手僅在有用戶指令時才會開始截屏，且無法截屏三方應(yīng)用Secure標記頁面，上傳至云端大模型的截屏僅用于視覺理解和推理，完成任務(wù)后不會存儲在云端。

本文地址：http://www.wcyqks.com/search/%E5%88%BB%E7%AB%A0%E8%BD%AF%E4%BB%B6%E5%85%8D%E8%B4%B9%E4%B8%8B%E8%BD%BD.html