聲紋識別技術的發(fā)展及應用策略

摘要：聲紋識別技術的應用有一些特殊優(yōu)勢，語音獲取自然，聲紋提取便捷，識別成本低廉，適合遠程身份確認等。同時，其技術應用也面臨困境，存在著環(huán)境復雜性與識別精確性的矛盾、海量的識別任務與有限的識別能力的矛盾、便捷性與安全性的矛盾。聲紋識別技術的發(fā)展應與高新技術高度融合，著力提升識別準確率；同公安實踐緊密結合，發(fā)揮聲紋識別技術的優(yōu)勢；和智慧城市建設同步發(fā)展，廣泛拓展應用領域；注重防范風險，確保系統(tǒng)安全穩(wěn)定。

關鍵詞：聲紋；聲紋識別；發(fā)展前景

1 聲紋識別技術的發(fā)展及特點

眾所周知，每個人發(fā)聲都是身體幾大器官多重配合的結果，通過鼻腔、口舌、聲道、胸肺最終形成看不見的聲波和聽得見的聲音。聲紋是指借助科學儀器描繪出來的說話人的聲音的圖像，即人的聲音的頻譜圖。聲紋具有人的個性特征，與指紋類似。聲紋識別技術，是一項通過語音信號提取代表說話人身份的相關特征，進而識別出說話人身份的技術[1]。

1.1 聲紋識別技術的早期應用

隨著科學技術的發(fā)展，科學家們在20世紀30年代開始了說話人的識別研究。1945年，這項研究取得了突破性的進展，貝爾實驗室的科學家經過多次科學實驗，完成語譜圖匹配，提出了“聲紋”的概念。1966年，美國法院采用“聲紋”取證，聲紋技術開始走上了司法實踐舞臺。這種技術開發(fā)之初，主要秘密應用于軍事情報領域，后來逐漸被司法以及金融等領域采用。

1.2 我國聲紋識別技術的發(fā)展

我國聲紋識別技術首先是從公安、司法系統(tǒng)開始研究與應用。從20世紀80年代末起步的我國聲紋鑒定技術的研究，至今已經取得顯著成就。多種聲紋智能鑒定系統(tǒng)，在許多案件的偵查中發(fā)揮了重大作用，其功能被人們逐漸認識。在說話人辨認領域的應用有：刑偵破案、罪犯跟蹤、個性化應用等等；在說話人確認領域的應用有：銀行交易、證券交易、公安取證、身份證、信用卡的認證等。

1.3 聲紋識別技術特點

以指紋、人臉、虹膜、語音等生理特征為識別對象的生物識別技術快速發(fā)展，在眾多領域獲得了應用。例如，蘋果手機運用指紋識別替代密鑰，一些單位的門禁系統(tǒng)也應用了人臉和指紋相結合的認證技術。這是因為指紋、人臉、虹膜、語音等人體生理特征具有穩(wěn)定性、相對唯一性的特點，識別率較高，備受用戶喜愛。美國圣何塞州立大學國家生物特性測評中心的專家曾對各種生物特征進行了比較，總結出這些同樣識別準確率高的生物特征在現(xiàn)階段因為技術等各種原因，在易用性和應用成本上存在較大差異。如技術成熟的指紋識別因為樣本采集困難，應用成本增加；虹膜、人臉識別因其技術原因易用性不強；與其他生物特征相比，聲紋識別的應用有一些特殊優(yōu)勢：語音獲取自然，聲紋提取便捷，識別成本低廉，適合遠程身份確認，聲紋辨認和確認的算法復雜度低，與說話語言、方言無關，適應人群范圍很廣等。這些特點是其他生物特征識別技術難以比擬的。

2 聲紋識別技術面臨的挑戰(zhàn)

聲紋識別的過程是通過錄音設備把聲音信號轉換成電信號，再用信號處理算法提取以上特征，然后使用機器學習算法來識別說話人的身份。目前，聲紋識別技術在公安系統(tǒng)應用廣泛，成績顯著。但是，在商業(yè)領域卻進展緩慢，社會效益和經濟效益并不令人滿意，聲紋識別技術面臨著許多挑戰(zhàn)。

2.1 聲紋識別技術的兩個關鍵問題

聲紋識別技術應用，需要解決兩個關鍵問題：即特征提取和模式識別。

在特征提取方面，聲紋識別技術與語音識別不同，聲紋識別的特征必須是“個性化”特征。而這種“個性化”的根本要求在于提取對象人語音信號的基本特征，以便有效地區(qū)分不同的說話人。目前的聲紋識別系統(tǒng)主要依靠聲學特征進行識別。

在模式識別方面，聲紋識別技術要求選擇適合的識別方法。聲紋識別常用方法可以分為模板匹配法、概率模型法、人工神經網絡法等。近年來，許多專家提出了以高斯混合模型和通用背景模型為基礎的聲紋識別建模方法[2]，顯著提高了聲紋識別技術的性能。

2.2 環(huán)境復雜性與識別精確性的矛盾

聲紋特征提取是在現(xiàn)實環(huán)境中進行的。其環(huán)境的復雜性既包括聲紋識別的說話人，也包括客觀的生活環(huán)境。作為說話人，其語音聲學特征不可避免地具有發(fā)展性和變異性，既便是同一個人，即便采集到的兩段語音內容都是相同的，但是在不同的時期或特殊的情境下，由于情緒、語速、疲勞程度等原因，聲紋特征也不盡一致，語音都會有一些差異性。這是提高聲紋識別的精確性必須面對的事實。

從生活環(huán)境上說，如何降噪以及去混響依然是聲紋識別的一大難題。人們發(fā)現(xiàn)，不知從什么時候開始，高樓平地起，市區(qū)越來越熱鬧，汽車噪音、商販吆喝、廣場音樂，此起彼伏，人們相互交談，嗓門似乎也越來越大了。目前，聲紋識別并不僅僅是靜態(tài)檢測，更多的是動態(tài)檢測。在外部環(huán)境中，各種噪音都會通過錄音設備采集進來，這些噪音不僅在一定程度上混淆或者淹沒了說話人信息，使得聲紋系統(tǒng)無法獲取準確的說話人聲紋特征。加之，環(huán)境噪音通常又不可預測，這便增加了聲紋識別性能的不確定性。背景環(huán)境復雜性和傳輸信道等的差異性，對語音信息會造成不同程度的損傷，為聲紋識別增添了不少的問題。

在目前的市場上，聲紋識別技術的產品應用并不大廣泛，其原因并不是意味著這項技術本身不成熟，而是因為實際商業(yè)應用場景的復雜性，很可能導致身份識別的產生較大誤差。從理論上說，聲紋識別的核心介質是聲音，為了獲取純粹和真實聲紋素材，客觀上要求最大限度地降低雜音。雖然運用相關技術，能夠過濾雜音，但這只是相對而言。外界的雜音干擾，很可能帶來誤判。因此，應用聲紋識別技術的產品大多只適合在相對安靜的場合進行，而超市、機場、車站等人群集中之地就不太適宜。

2.3 海量的識別任務與有限的識別能力之間的矛盾

精確地進行聲紋識別，需要聲紋數(shù)據(jù)庫的技術支撐。目前，公安系統(tǒng)經過多年的努力，建立了比較齊全的聲紋庫。聲紋庫在偵查破案中發(fā)揮了重要作用。而對于一些從事聲紋產品研制的企業(yè)來說，大多數(shù)企業(yè)建立時間不太長，自行采集所有的聲紋數(shù)據(jù)，并建立聲紋庫，既具有相當難度，又需費時費力，還不現(xiàn)實。在聲紋數(shù)據(jù)不齊全的情形之下，聲紋特征的提取和建立自然而然受到了阻礙，難以提高識別的準確率。

如同人腦和電腦由于各種因素的影響，會不可避免地會出現(xiàn)失誤一樣，聲紋識別技術不可避免也會出現(xiàn)失誤。由于各種人體特征千變萬化，基于聲紋的身份識別會出現(xiàn)偶爾識別不出或者發(fā)生識別錯誤的情況。這就要求，在一些領域，聲紋識別技術跟其它的識別認證技術相輔相成，即在聲紋識別技術出現(xiàn)不正常的情況下，用戶還可以用另一手段來驗證身份。

2.4 便捷性與安全性的矛盾

當諸如指紋識別、臉部識別等工具開始普及之時，人們也在擔憂，這些新技術安全嗎？應該說，這一擔憂不無道理。任何一項高新技術的運用，都可能是一把雙刃劍。它給人們生活帶來便利的同時，也不可避免會有風險。聲紋識別技術同樣存在一定風險。2017年4月，有一家加拿大創(chuàng)業(yè)公司宣稱開發(fā)了一款產品，只需要最短 60 秒的錄音，即可“復制任何人的聲音”[3]。

聲紋識別作為一種安全身份認證手段，不可避免的要面臨非法用戶的惡意模仿和重放攻擊風險。[]聲紋識別算法目前有多種，現(xiàn)在大部分的算法都可以控制在誤識率在千分之一。而問題在于，在隨機 1000 個不同人的刻意攻擊中，有可能999人被堵截，但可能會有1人因聲音過于相似而通過，這個“千分之一”就隱藏著很大風險。這說明，基于語音的身份鑒別系統(tǒng)，必須防范安全風險。

3 聲紋識別技術發(fā)展前景廣闊

人們逐漸看到，身份識別技術較之傳統(tǒng)的證件識別和密鑰認證方式具有優(yōu)勢，這項技術的應用普及將會對我們未來的經濟與社會生活帶來深遠的影響。

3.1 與高新技術高度融合，著力提升識別準確率

對聲紋識別技術而言，人們十分看重準確率這一指標?？茖W家們和各廠商也都在不懈努力。現(xiàn)代高新技術的迅猛發(fā)展，為提高聲紋識別能力提供了重要機遇。聲紋識別技術與其它高新技術高度融合是未來的發(fā)展趨勢，如物聯(lián)網、人工智能以及地理信息技術、虛擬現(xiàn)實技術、可穿戴技術、區(qū)塊鏈和深度學習等技術，都可與聲紋識別技術加以融合，大大提升聲紋識別的精確性。

3.2 同公安實踐緊密結合，發(fā)揮聲紋識別技術的優(yōu)勢

近年來，各地公安部門結合工作實際，努力發(fā)揮聲紋識別技術的優(yōu)勢，有力地維護了社會治安。有的地方公安機關建立了“110”報警聲紋采集與輔警系統(tǒng)，也取得了較好的社會效益，各地的經驗值得借鑒和推廣。應加強總體規(guī)劃，加強專業(yè)技術隊伍建設，深化包括聲紋識別在內的生物特征識別技術研究，建立和健全相應的聲紋庫，在實踐中逐步擴大聲紋技術的識別應用范圍，為提高破案率提供技術支撐。

3.3 和智慧城市建設同步發(fā)展，廣泛拓展應用領域

近年來，在各級政府的大力推動下，各地智慧城市建設取得了舉世矚目的成就。隨著各地智慧城市建設的進一步展開，聲紋識別技術可以在許多領域大顯身手。在一定意義上說，現(xiàn)在需要用證件和數(shù)字驗證的方式將都有可能使用聲紋識別的方式，有的或者終將被聲紋識別代替。聲紋識別技術在金融、證券、社保、公安、國防和公共服務等領域和部門有著廣泛的需求。就連人們經常遇到的一些生活小事，也可應用聲紋識別技術，提高人們生活的舒適度。如收取郵件，借閱圖書，啟停車輛，開關家用電器等等。

3.4 以防范風險為重點，確保系統(tǒng)安全穩(wěn)定

為有效防止非法用戶的惡意模仿和重放攻擊，確保系統(tǒng)的安全穩(wěn)定，將聲紋技術同其它識別技術結合運用，是一項重要措施。通過融合人臉、指紋、虹膜等技術的優(yōu)勢，提高系統(tǒng)識別認證的安全性。在遠程身份認證中，可以進行雙重認證，即以聲紋認證為主，人工認證為輔。在手機支付及聲紋鎖認證中，可借助動態(tài)隨機碼和語音識別以防止錄音假冒的闖入。同時，重視對先進技術防范手段的運用。目前，科學家們已經研究出活體檢測技術和隨機內容聲紋技術，通過這些技術手段有效阻止提前錄好的聲音或者模仿的聲音的攻擊。我們相信，隨著信息技術的不斷發(fā)展以及人們對聲紋技術科學規(guī)律認識的深化，在不太長的時間內，我國聲紋識別技術必將取得重大進展，必將獲得更好的社會效益和經濟效益。

參考文獻：

[1]陳擁權，張羽，胡翀豪，楚瑾.聲紋識別技術及其應用前景分析[J].網絡安全技術與應用，2013.11（24）.

[2]鄭方，等.生物特征識別技術綜述[J].信息安全研究，2016.1（17）.

[3]唐瑋婕，生物識別升級你的“解鎖”姿勢[N].文匯報，2017.7.22（6）.

[4]鄭方，李藍天，張慧，艾斯卡爾·肉孜.聲紋識別技術及其應用前景[J].信息安全研究，2016.1（44-57）.

作者簡介：鄭永紅（1962-），女，漢族，湖北咸寧人，湖北警官學院偵查系教授，公安情報學方向。