聲紋識別已應(yīng)用于部分銀行 聲音會被模仿，聲紋還可靠嗎

　　繼“刷臉”之后聲紋識別也已進(jìn)入我們的生活。近日，平安科技和金融壹賬通聯(lián)合項(xiàng)目組與廣發(fā)銀行簽署了聲紋核身項(xiàng)目，將在銀行預(yù)防欺詐、提供優(yōu)質(zhì)服務(wù)方面發(fā)揮作用。此前，市場監(jiān)管總局、人民銀行兩部委發(fā)文，決定將支付技術(shù)產(chǎn)品認(rèn)證擴(kuò)展為金融科技產(chǎn)品認(rèn)證，并確定了《金融科技產(chǎn)品認(rèn)證目錄（第一批）》，該認(rèn)證目錄中也包括聲紋識別系統(tǒng)。

　　那么，什么是聲紋？它會被模仿導(dǎo)致識別設(shè)備誤判嗎？

　　聲紋是生物識別特征的一種，是在說話人發(fā)聲時提取出來的，可以作為說話人的表征和標(biāo)識，能與其他人相互區(qū)別的語音特征，以及基于這些特征或參數(shù)所建立的語音模型的總稱。聲紋識別又稱為說話人識別，是從說話人發(fā)出的聲音頻譜圖中提取身份特征信息和聲紋特征，再把聲信號轉(zhuǎn)換成電信號，用計算機(jī)通過相關(guān)算法進(jìn)行比對識別的技術(shù)。

　　清華大學(xué)信息技術(shù)研究院教授鄭方說，語音信號之所以被形容為“形簡意豐”，是因?yàn)槁曇舭袃?nèi)容、身份、情感、年齡及健康狀況等豐富的信息。再加上人類語言的產(chǎn)生要經(jīng)過人體語言中樞與發(fā)音器官間復(fù)雜的生理物理過程，理論上說，每個人說話時的短時頻譜、聲源、時序動態(tài)、韻律、語言學(xué)特征等都有差異。因此，聲紋就像指紋一樣具有唯一性和獨(dú)特性。

　　與人臉、指紋和虹膜識別相比，聲紋識別有著諸多優(yōu)勢，比如聲紋語料收集方式自然，無須進(jìn)行眨眼、擺動臉部等特定動作，不受光線或隱私等特定場景的約束，人們接受度更高；聲紋識別可以隨機(jī)改變朗讀內(nèi)容，即便曾在網(wǎng)上或其他地方留下語音信息，也不易被復(fù)制或盜用。“被識別人不需要近距離接觸識別設(shè)備，聲紋可以通過電話、APP等渠道傳達(dá)語音到后臺進(jìn)行識別，并且可以在用戶語音對話過程中自動完成識別，使用成本低而且方便快捷。”平安科技聲紋領(lǐng)域?qū)＜腋嬖V科技日報記者。

　　登錄手機(jī)銀行APP，開啟聲紋驗(yàn)證，用戶只要準(zhǔn)確說出隨機(jī)動態(tài)碼，系統(tǒng)錄制語音信息、驗(yàn)證聲紋及隨機(jī)動態(tài)碼后，就能進(jìn)行轉(zhuǎn)賬、支付等交易……目前，聲紋識別已經(jīng)在部分銀行開始使用了。

　　不過，生活中聲音相似的人有很多，有些配音演員還可以模仿他人的聲音，用聲紋作為金融產(chǎn)品認(rèn)證會不會很不安全？對此，平安科技聲紋專家解釋說，總體來說，聲紋是穩(wěn)定的生物特征。除了人一生中的某些年齡段如少年變聲期，聲紋可能會有所變化，大多數(shù)情況下聲紋特征是穩(wěn)定的。

　　由于每個人在說話時使用的發(fā)聲器官，如舌頭、牙齒、口腔、聲帶、肺、鼻腔等在尺寸和形態(tài)方面有所差異，以及年齡、性格、語言習(xí)慣等多種原因，在發(fā)音時千姿百態(tài)，導(dǎo)致這些器官每個人發(fā)出的聲音必然有著各自的特點(diǎn)。特別是，每個人在說話過程中所蘊(yùn)含的個性特征，如發(fā)音習(xí)慣等幾乎是獨(dú)一無二的，就算被模仿，也改變不了說話者最本質(zhì)的特性。

　　“因此，配音演員模仿其他人的聲音，雖然聽覺上相似，但也無法模仿說話者最本質(zhì)的特性。從聲紋特征分析上還是會有差異，是可以區(qū)別開來的。”

　　根據(jù)測算結(jié)果，公安部發(fā)布《GA/T1179-2014安防聲紋確認(rèn)應(yīng)用算法技術(shù)要求和測試方法》標(biāo)準(zhǔn)，聲紋科技產(chǎn)品依據(jù)該標(biāo)準(zhǔn)進(jìn)行數(shù)據(jù)采集。目前，用戶如果按照事先指定的文本讀出內(nèi)容，聲紋識別準(zhǔn)確率已達(dá)99.8%；如不照讀事先指定的文本內(nèi)容而隨意發(fā)聲，聲紋識別準(zhǔn)確率也能達(dá)到99.1%。“雖然準(zhǔn)確率不低，但還是存在誤判的可能，在設(shè)計使用場景和流程時，需要考慮到聲紋識別并非100%準(zhǔn)確率的現(xiàn)實(shí)。”平安科技聲紋專家說，聲紋作為金融產(chǎn)品的認(rèn)證，需要看具體場景。對于輔助核實(shí)身份、名單識別、防欺詐、聲紋鎖登錄等場景使用是合適的；但在大額支付類的場景中，如果將聲紋作為唯一的認(rèn)證手段，就需要充分評估風(fēng)險。

　　目前，除了金融領(lǐng)域外，聲紋正在進(jìn)入公共安全、智能家居、智慧教育、智能社區(qū)等行業(yè)，并根據(jù)不同應(yīng)用場景的特點(diǎn)進(jìn)行針對性開發(fā)。如冒領(lǐng)養(yǎng)老金的事件時有發(fā)生，如果要求高齡老人必須親臨現(xiàn)場驗(yàn)明正身才能領(lǐng)取養(yǎng)老金，又會非常不便。聲紋確認(rèn)技術(shù)具有遠(yuǎn)程操控屬性，社保局通過預(yù)裝聲紋身份認(rèn)證系統(tǒng)，就可對領(lǐng)養(yǎng)老金者開展遠(yuǎn)程身份認(rèn)證，實(shí)現(xiàn)“信息多跑路，群眾少跑腿”。目前，貴州省黔東南州等地正在開展相關(guān)試點(diǎn)。

　　以語音作為身份認(rèn)證的手段，最早可追溯到17世紀(jì)60年代英國查爾斯一世之死的案件審判中。1966年，美國法院第一次采用聲紋進(jìn)行取證。隨著研究手段和計算機(jī)技術(shù)的不斷進(jìn)步，聲紋識別逐步由單純的人耳聽辨，轉(zhuǎn)向基于計算機(jī)的自動識別。

　　聲紋識別技術(shù)發(fā)展大致可以分為3個階段：第一階段，基于模板匹配的方法。像人臉一樣，聲紋要先做注冊，再做驗(yàn)證，注冊時說的內(nèi)容要和驗(yàn)證時是一樣的。比如注冊時說了“密碼”二字，驗(yàn)證時也必須說“密碼”，這相當(dāng)于驗(yàn)證時被限制了，只是比較這兩個聲音像不像；第二階段，2000年開始的基于概率模型研究。如有的人說話快，有的人說話慢，聲音是有時間長度的，要把可變長度的向量變成物理程度，這是基于高斯模型概率統(tǒng)計的，這時的聲紋識別準(zhǔn)確性會受到噪聲、干擾等影響；第三階段，2012年左右開始，深度學(xué)習(xí)給人工智能發(fā)展帶來了巨大的影響，同樣也快速推動了聲紋識別的發(fā)展。