近日,遠(yuǎn)鑒首席科學(xué)家兼多維身份識別與可信認(rèn)證技術(shù)國家工程實(shí)驗(yàn)室技術(shù)委員會委員鄭榕博士接受了《中國財(cái)富》雜志的專訪,暢聊了聲紋技術(shù)在信息安全防線里發(fā)揮的重要作用。同時(shí)鄭榕博士也表示聲紋識別是公司的特色技術(shù),除此之外遠(yuǎn)鑒還具備自主知識產(chǎn)權(quán)的語音、圖像全棧技術(shù),并首創(chuàng)多維身份識別技術(shù)。遠(yuǎn)鑒將全棧技術(shù)能力應(yīng)用到更廣闊的信息安全領(lǐng)域,用來保護(hù)網(wǎng)絡(luò)身份信息認(rèn)證和互聯(lián)網(wǎng)內(nèi)容風(fēng)控,實(shí)現(xiàn)了“身份 + 內(nèi)容”的新安全。

創(chuàng)刊于2004年4月的《中國財(cái)富》,由南方都市報(bào)、中國扶貧基金會、北京大學(xué)公民社會研究中心聯(lián)合出品,整合公益界、學(xué)術(shù)界、傳媒界以及企業(yè)界、政界、文化界等各種有志于公益慈善事業(yè)的力量和資源,透過新聞專業(yè)主義的手法,站在公民社會建設(shè)理念和實(shí)踐的最前沿,以敏銳的傳媒視角、全面深入的理性思考,和具備高度社會責(zé)任感的實(shí)踐精神,及開放和包容的工作心態(tài)打造“中國公益第一刊”。

以下為本次采訪原文:

文|柳暉

我們的聲音和指紋、人臉一樣,都具備相對穩(wěn)定又唯一的特征。隨著遠(yuǎn)鑒等科技公司在聲紋識別技術(shù)領(lǐng)域的突破,聲紋識別正在金融、公共安全、互聯(lián)網(wǎng)等領(lǐng)域快速應(yīng)用。全球范圍內(nèi),聲紋識別也是競爭激烈的技術(shù)賽道,在美國政府進(jìn)行出口管制的 14 類技術(shù)中,聲紋識別就位列其中。

指紋打卡、人臉識別打卡已經(jīng)成為不少公司的標(biāo)配。不過,在新冠肺炎疫情背景下,聲紋考勤系統(tǒng)成為不少企業(yè)的選擇。借助聲紋識別技術(shù),員工只需要念幾個(gè)數(shù)字,不需要摘口罩,也不需要接觸屏幕,就可以完成身份認(rèn)證和打卡。

近幾年,聲紋識別不僅僅應(yīng)用于公司考勤系統(tǒng)、門禁系統(tǒng),在公共安全、金融、互聯(lián)網(wǎng)、健康等領(lǐng)域,聲紋識別也已經(jīng)成為常規(guī)的身份認(rèn)證手段,而結(jié)合聲紋、人臉識別等技術(shù)的多模態(tài)認(rèn)證,也成為個(gè)人身份認(rèn)證的新趨勢。

為進(jìn)一步了解聲紋識別技術(shù)的應(yīng)用前景,我們采訪了北京遠(yuǎn)鑒信息技術(shù)有限公司(以下簡稱“遠(yuǎn)鑒”)的首席科學(xué)家兼多維身份識別與可信認(rèn)證技術(shù)國家工程實(shí)驗(yàn)室技術(shù)委員會委員鄭榕博士。遠(yuǎn)鑒是國內(nèi)專攻聲紋識別領(lǐng)域的創(chuàng)新企業(yè),在 2019 年首屆中國人工智能多媒體信息識別技術(shù)競賽中,遠(yuǎn)鑒拿到了聲紋識別領(lǐng)域的冠軍,并與曠視科技、科大訊飛、商湯科技等身份識別領(lǐng)域的頭部企業(yè)一起,成為多媒體信息識別技術(shù)競賽 A 級認(rèn)證的企業(yè)。

單一的身份認(rèn)證都不一定可靠

與指紋、人臉、虹膜等生物特征一樣,一個(gè)人的聲音特征也是獨(dú)一無二的,而且具有穩(wěn)定性,因此,從上世紀(jì) 70 年代開始,就有人開始研究基于聲紋的識別技術(shù)。盡管研究起步很早,但有意思的是,看起來更復(fù)雜的人臉識別與指紋識別在應(yīng)用上似乎走在了聲紋識別的前面。鄭榕解釋說:“聲紋認(rèn)證的門檻相對較高。除了解決噪音、多人場景的問題,聲紋識別還需要解決跨信道比對與跨信道認(rèn)證的問題,否則就沒辦法大規(guī)模商業(yè)化。”

以銀行接入聲紋認(rèn)證為例,假如客戶第一次錄入的聲音是用手機(jī)的麥克風(fēng)采集的,之后再用座機(jī)撥打客服電話,那采集聲音的設(shè)備就換成座機(jī)的麥克風(fēng)了——所謂“跨信道認(rèn)證”,就是要處理不同采集設(shè)備以及不同采集參數(shù)(比如,手機(jī)上的各個(gè)應(yīng)用程序在處理聲音時(shí),選擇的參數(shù)并不相同)下的聲音信號,而在過去,這是一個(gè)很難逾越的障礙。

近幾年來,隨著遠(yuǎn)鑒等科技公司在跨信道認(rèn)證上的突破,聲紋識別的商業(yè)化也走上了快車道。鄭榕介紹說,跨信道比對以及跨信道認(rèn)證,涉及人工智能的深度學(xué)習(xí)算法,需要對各種信道進(jìn)行針對性訓(xùn)練之后才能完成,這也是遠(yuǎn)鑒的核心技術(shù)之一。

推動(dòng)聲紋識別快速商業(yè)化的另一個(gè)原因,是識別過程的簡化。以遠(yuǎn)鑒的技術(shù)為例,只需要20 秒左右的錄音(或者朗讀 3 遍 8 位的隨機(jī)數(shù)字串),就可以完成聲紋特征的采集。在過去,要完成這一過程,需要念一兩分鐘的文本才能完成。

不過,聲紋識別也并不是絕對安全的。“單一模態(tài)的身份認(rèn)證都不安全。”鄭榕說。不管是指紋識別、人臉識別、步態(tài)識別,還是虹膜識別,單一的認(rèn)證方式都很難保證安全。因此,綜合多種生物特征的多模態(tài)認(rèn)證技術(shù)就成為必然的選擇,為此,遠(yuǎn)鑒也在積極研發(fā)人臉識別技術(shù),與聲紋識別技術(shù)形成多模態(tài)認(rèn)證體系,目前已經(jīng)成功投入商用。

將人臉識別與聲紋識別綜合到一起,再結(jié)合 OTP(一次性密碼),結(jié)合多因子活體檢測就構(gòu)成了遠(yuǎn)鑒主推的多模態(tài)身份認(rèn)證方式。鄭榕說,人臉識別與聲紋識別技術(shù)可以綜合互補(bǔ)。以網(wǎng)約車司機(jī)的身份認(rèn)證為例,光線好的時(shí)候,可以采用人臉識別認(rèn)證,而在光線較弱或者在開車途中的身份認(rèn)證,則可以用聲紋識別來完成。在聲紋識別過程中,用戶需要在限定時(shí)間內(nèi)(比如 5 秒內(nèi))讀出若干位隨機(jī)產(chǎn)生的數(shù)字,這些數(shù)字都是一次性的(OTP),這就為人為合成語音制造了難度——系統(tǒng)會對隨機(jī)數(shù)字的內(nèi)容進(jìn)行認(rèn)證,也會對聲紋特征進(jìn)行比對,在雙重驗(yàn)證之下,進(jìn)一步強(qiáng)化了身份確認(rèn)的可靠性。

聲紋識別應(yīng)用上有兩個(gè)分支,可以簡單總結(jié)為 1 ∶ N 與 1 ∶ 1。

前者是辨認(rèn)場景,作用是鑒別說話者的身份。比如安全部門在搜查恐怖分子的時(shí)候,就經(jīng)常使用這一模式,將嫌疑人聲音與數(shù)據(jù)庫中的聲音進(jìn)行比對,以搜查或排查聲音的主人。這一模式需要龐大的聲紋數(shù)據(jù)庫來進(jìn)行比對。

后者是確認(rèn)場景,最常見的就是聲紋門鎖。這一模式并不是從數(shù)據(jù)庫中鑒別一個(gè)人的身份,而是判斷說話者和他聲稱的身份是否一致,銀行在柜臺通過聲紋識別確認(rèn)客戶的身份,汽車判斷駕駛座上發(fā)出指令的人是否是車主,都采用的是類似的模式。

這兩種模式可以用于鑒別未知身份人的確切身份,或者對一個(gè)人自己聲稱的身份進(jìn)行確認(rèn)。對用戶來說,對自我身份的確證是非常重要的功能,可以讓我們在線上辦理許多以前必須當(dāng)面驗(yàn)證的服務(wù)。

線下場景的線上化

在鄭榕看來,我們在未來或許可以和密碼說再見。

對現(xiàn)代人來說,密碼是讓人又愛又恨的存在?；旌蠑?shù)字、字母、大小寫,甚至還有特殊字符的密碼,很難被記住。另一方面,為了保證數(shù)據(jù)的安全性,在不同的應(yīng)用與平臺上,我們需要設(shè)置不同的密碼。越來越長,以及越來越多的密碼,漸漸成為負(fù)擔(dān)。

基于生物特征的身份認(rèn)證,則解決了密碼帶來的負(fù)擔(dān)。不管是人臉識別,還是聲紋識別,都不需要特意去記憶和準(zhǔn)備,在安全性上也并不比密碼差。

鄭榕說,多模態(tài)身份認(rèn)證給互聯(lián)網(wǎng)帶來的最大改變,是推動(dòng)了線下場景線上化的過程,許多原本只能在線下完成的業(yè)務(wù),在引入這種認(rèn)證方式之后,就可以在線上完成。

以駕照的年檢為例,由于人臉識別技術(shù)的引入,原本必須去交警支隊(duì)辦理的業(yè)務(wù),可以通過遠(yuǎn)程上傳照片與體檢報(bào)告來完成,在家等快遞送達(dá)新的駕照即可。

要實(shí)現(xiàn)線下業(yè)務(wù)線上化,就必須有廉價(jià)、可靠且可以遠(yuǎn)程實(shí)現(xiàn)的驗(yàn)證方式。相比指紋、虹膜、人臉識別,聲紋識別的成本是最低的。當(dāng)指紋、虹膜必須當(dāng)面認(rèn)證時(shí),聲紋識別卻與人臉識別一樣,可以遠(yuǎn)程完成。

目前,遠(yuǎn)鑒主要與銀行、保險(xiǎn)公司合作,來推動(dòng)線下場景線上化的進(jìn)程。遠(yuǎn)鑒是國內(nèi)首批通過央行銀行卡檢測中心(BCTC)權(quán)威檢測的聲紋識別企業(yè),目前在齊魯銀行、招商銀行等金融機(jī)構(gòu),已經(jīng)成功部署并應(yīng)用遠(yuǎn)鑒的身份識別系統(tǒng)。

此外,由于曾承擔(dān)公安部、網(wǎng)信辦的多項(xiàng)國家重點(diǎn)工程,遠(yuǎn)鑒在數(shù)據(jù)響應(yīng)、超大規(guī)模數(shù)據(jù)持續(xù)訓(xùn)練上,快速創(chuàng)新和迭代了識別算法,因此,在 1∶N 身份識別模式上有豐富經(jīng)驗(yàn)和成功案例。

因此,在參與大規(guī)模的線下業(yè)務(wù)線上化的過程中,遠(yuǎn)鑒可以提供相對穩(wěn)定和安全的支持。在與公安部、網(wǎng)信辦的合作之外,遠(yuǎn)鑒也在積極探索“互聯(lián)網(wǎng) + 政務(wù)服務(wù)”的模式。

以泰康人壽的考勤系統(tǒng)為例,由于保險(xiǎn)業(yè)務(wù)員需要四處走訪,要完成他們的考勤打卡業(yè)務(wù),就需要比較有創(chuàng)意的解決方案。遠(yuǎn)鑒提供的是人臉識別 + 聲紋識別 + 地理位置 +OTP 的多模態(tài)認(rèn)證方式,可以讓業(yè)務(wù)員在不中斷客戶訪問的情況下完成考勤打卡。

基金和銀行開戶,目前還都是在線下柜臺完成身份認(rèn)證的,但鄭榕認(rèn)為,在未來或許也都可以借助多模態(tài)身份認(rèn)證實(shí)現(xiàn)線上操作。事實(shí)上,民間也一直在呼吁一些線下業(yè)務(wù)盡快實(shí)現(xiàn)線上服務(wù)。以老人的生存性驗(yàn)證為例,原本都必須到柜臺認(rèn)證,但借助基于生物特征的遠(yuǎn)程認(rèn)證之后,就可以用手機(jī)來完成。

鄭榕也強(qiáng)調(diào)了多模態(tài)認(rèn)證的重要性。他說,“單一的人臉識別也不一定可靠。盡管有些應(yīng)用需要用戶進(jìn)行活體驗(yàn)證,比如眨眼或者轉(zhuǎn)頭,但網(wǎng)上一些開源程序,就可以用一張照片實(shí)現(xiàn)轉(zhuǎn)頭或眨眼的效果。”

這其實(shí)也反映了生物認(rèn)證領(lǐng)域的兩大趨勢:第一個(gè)是多模態(tài)認(rèn)證的興起,第二個(gè)則是手機(jī)等個(gè)人設(shè)備成為生物信息輸入的工具和接口。借助手機(jī)等設(shè)備進(jìn)行身份認(rèn)證,為了避免冒用身份,活體驗(yàn)證是常用的手段。所謂活體驗(yàn)證,就是確認(rèn)正在進(jìn)行身份認(rèn)證操作的對象是活人,而不是機(jī)器。

在人臉識別中,常見的活體驗(yàn)證辦法,是讓用戶按指引完成眨眼、轉(zhuǎn)頭等動(dòng)作。聲紋識別中,遠(yuǎn)鑒也開發(fā)出一些算法來完成活體驗(yàn)證。在活體驗(yàn)證之外,持續(xù)驗(yàn)證也是常用的防冒用手段。這是聲紋識別比較擅長的領(lǐng)域。在說話的過程中,會持續(xù)地進(jìn)行聲紋比對,以避免中途換人的情況。

在多模態(tài)認(rèn)證進(jìn)一步發(fā)達(dá)的將來,銀行卡應(yīng)該也可以線上開戶。到那時(shí),該說再見的或許不只有密碼,還有各種各樣的實(shí)體卡。

隱私保護(hù)與體驗(yàn)感優(yōu)化

人臉識別大規(guī)模應(yīng)用以來,引起了許多人對隱私問題的擔(dān)憂。畢竟,個(gè)人面容是比較敏感的內(nèi)容,不少人會介意自己的人臉信息被收集和存儲。

聲紋識別相對好一些。在錄入聲音與認(rèn)證身份的時(shí)候,用戶一般是讀一些隨機(jī)數(shù)字,這些數(shù)字并沒有實(shí)際意義,因此,與面容信息相比,敏感性相對較弱。

一個(gè)現(xiàn)實(shí)是,在過去若干年里,客服電話一直在告知客戶“為了確保服務(wù)質(zhì)量,您的通話可能被錄音”——自己的聲音被第三方采集和存儲,對一般用戶來說不存在心理障礙。

除了在內(nèi)容上相對沒那么敏感外,聲紋識別還有一個(gè)特別大的優(yōu)勢,那就是它可以實(shí)現(xiàn)無感認(rèn)證。

從用戶的體驗(yàn)角度來看,聲紋識別分有感與無感兩種方式。

所謂有感認(rèn)證,就是用戶清晰地知道自己在進(jìn)行認(rèn)證,比如需要用戶讀出隨機(jī)數(shù)字的時(shí)候,就是典型的有感認(rèn)證,有感認(rèn)證往往是與文本相關(guān)的,需要讀出指定的文本(經(jīng)常是隨機(jī)數(shù)字)。

在無感認(rèn)證的情況下,用戶根本就不會意識到系統(tǒng)在對他的身份進(jìn)行確認(rèn)。這種方式不需要讀出指定的文本,屬于和文本無關(guān)的認(rèn)證。在民用場景下,經(jīng)常用于客戶服務(wù)。以銀行客服為例,借助這種無感聲紋認(rèn)證,銀行不需要一再確認(rèn)打電話進(jìn)來的客戶的身份,而且,由于聲紋識別可以持續(xù)認(rèn)證,如果通話中途換人,也可以快速鑒別出來。

在提升用戶體驗(yàn)感方面,鄭榕認(rèn)為聲紋識別還有巨大的想象空間。比如說,未來可以在短語音認(rèn)證上繼續(xù)努力,如果只需要少量幾個(gè)音節(jié)就可以完成認(rèn)證,那用戶有感認(rèn)證的體驗(yàn)感也會大大提升。此外,通過聲紋分析個(gè)人特征也是可以進(jìn)一步完善的方向。如果可以通過聲音來抓取年齡、情緒、性別和性格等屬性,那么企業(yè)在為客戶提供服務(wù)時(shí),可以更具針對性。在遠(yuǎn)鑒的公司宣傳冊上,印著“依托人工智能技術(shù)構(gòu)建可信網(wǎng)絡(luò)”這句話,在溝通中,鄭榕也表示,聲紋識別是公司的特色技術(shù),遠(yuǎn)鑒還具備自主知識產(chǎn)權(quán)的語音、圖像全棧技術(shù),并首創(chuàng)多維身份識別技術(shù)。遠(yuǎn)鑒將全棧技術(shù)能力應(yīng)用到更廣闊的信息安全領(lǐng)域,用來保護(hù)網(wǎng)絡(luò)身份信息認(rèn)證和互聯(lián)網(wǎng)內(nèi)容風(fēng)控,實(shí)現(xiàn)了“身份 + 內(nèi)容”的新安全。未來遠(yuǎn)鑒將繼續(xù)發(fā)力信息安全,有力支撐“數(shù)字中國”新型信息基礎(chǔ)設(shè)施建設(shè),為國家網(wǎng)絡(luò)信息安全筑好堅(jiān)固基石。

（免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進(jìn)一步核實(shí)，并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。
任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）