破解聲音密碼

梁曉軒

聲音密碼破奇案

有一個事例證明了聲紋在案件證據(jù)方面的重要性：

一位來自美國佛羅里達州的母親凱西·安瑟妮（Casey Anthony）被宣判無罪，檢方指控她涉嫌謀殺自己兩歲的女兒凱利（Caylee）?？胤教岢龅囊粋€證據(jù)是在被告人電腦里找到的網(wǎng)絡(luò)搜索記錄，比如“氯仿（chloroform）”和其他罪證（氯仿可將人麻醉致死）。但安瑟妮的母親辯解說這是她鍵入的搜索條目（即當我們在搜索引擎如百度中輸入某個漢語單詞的首字，搜索條目中會出現(xiàn)以該首字為開頭的關(guān)聯(lián)詞句），當時她不小心把“葉綠素”（chlorophyll）錯拼成了“氯仿（chloroform）”。稍加分析不難看出抗辯事由很牽強，但卻威脅到了“排除其他懷疑”的訴訟準則。假如她使用 Siri 語音搜索，檢察官和陪審團就有可能確認當時究竟是誰說了“氯仿”這個詞。不過，蘋果公司拒絕透露是否收到過任何要求比對聲紋記錄的官方請求。

發(fā)生在中國的另一起案例則從正面印證了聲紋作為關(guān)鍵證據(jù)使用的重要性。2014年8月，山東濟南警方破獲了一起電信詐騙案。該案中，一名男性犯罪嫌疑人偽裝成女性聲音，隨機撥打手機號碼，通過“猜猜我是誰”試探手機接通者的態(tài)度，并利用受害人可能忘記朋友名字的尷尬心理，冒充受害人的朋友實施電信詐騙。濟南市槐蔭區(qū)公安局就是利用聲紋識別技術(shù)，成功破獲了這起離奇的電信詐騙案。

聲紋之秘

聲紋又稱voiceprint，直譯過來為聲音的痕跡，指使用聲譜儀、語圖儀等設(shè)備將聲波及其頻率記錄而為波狀圖形。按照詞典中的定義，聲紋是通過儀器記錄下來的因人而異的聲波紋。聲紋是人與人不同的痕跡密碼，一定技術(shù)條件下，可以成為區(qū)別人與人生物特征的證據(jù)，是種“無形的指紋”。

當然，“無形指紋”一說屬于現(xiàn)代的定義。其實早在科技文明興盛之前，人們就已經(jīng)開始關(guān)注人與人之間不同的聲音了，我國古代就有聞聲識人一說。近代意義上的聲紋鑒定出現(xiàn)在20世紀30年代，當時的聲紋側(cè)重于辨認，主要通過人耳的聽覺確認是否同一人，當時人們已經(jīng)認識到聲波現(xiàn)象，但受制于科技水平，尚無法記錄聲紋圖譜。二戰(zhàn)以后，濾波技術(shù)迅速發(fā)展為聲紋記錄提供了可能，聲紋因此獲得了可視化載體。隨后，借助于計算機的飛速發(fā)展，為聲紋分析打下技術(shù)基礎(chǔ)，電聲轉(zhuǎn)換系統(tǒng)也愈發(fā)精確，聲紋識別的數(shù)據(jù)分析得到發(fā)展。上世紀90年代，小波技術(shù)作為一種算法，大大加快了海量信息識別與比對的速率。近年來計算機芯片快速發(fā)展，尤其是數(shù)字信號處理（DSP）芯片得到了廣泛應(yīng)用，在數(shù)據(jù)庫一定的前提下，聲紋鑒定可以達到同一認定的要求，語音特征參數(shù)提取技術(shù)目前已經(jīng)達到比較成熟的水平。

聲紋鑒定包含語音特征提取和聲紋分析兩部分。語音特征提取即指通過電聲轉(zhuǎn)換設(shè)備提取待檢測聲音中能夠反映個體信息的特征性頻率。實務(wù)當中，在提取聲紋圖譜的同時，還經(jīng)常將聲音錄制用于人耳識別。尤其是在甄別部分方言和少數(shù)民族語言時，人耳識別能夠快速縮小聲紋數(shù)據(jù)庫的范圍，有利于精確匹配合適的聲源。目前的技術(shù)條件下，僅能提取到部分已經(jīng)知曉的聲紋頻率。借助于濾波器，語音信息得以呈現(xiàn)出來。伴隨社會對于聲紋識別應(yīng)用范圍需求的持續(xù)增加，加之同一認定的準確性要求越來越高，語音特征提取的內(nèi)涵也逐漸豐富，語法、語調(diào)、韻律、方言、語種、口音、擬聲詞、俚語、通信信道等都需要被收錄以便進行分析。這無疑大大增加了聲紋提取的任務(wù)量。所以，解決問題的關(guān)鍵在于如何選擇，也就是說要根據(jù)案情加以分析研判，決定對象采集需要精細化到具體何種程度。譬如，信道這一語音特征，在刑警偵查破案時，并沒有強烈需求，甚至盡量不希望將信道考慮在其中，因為實踐中偵查可以獲得的聲紋信息往往是通過隱蔽手段獲得的，信道難免存在一定瑕疵。如果能夠避免分析信道這一特征，則使用錄音手段獲得的聲音資料或?qū)⒊蔀槠瓢傅年P(guān)鍵證據(jù)；而在經(jīng)濟生活中，譬如銀行交易則希望采用，也即希望信道對識別產(chǎn)生影響，這樣將有利于銀行判明并剔除錄音等惡意行為帶來的危害。所以，在聲紋特征提取過程中，往往事先判斷，配置不同特征參量的組合，進而提高鑒定效能。尤其當提取的各組參量的相關(guān)性不大時，會獲得更好的識別效果。

除卻聲紋提取，更為有趣的便是聲紋分析的原理。聲紋之所以能夠得到分析，原因可歸結(jié)于我們的身體構(gòu)造。人在講話時所使用的器官——喉舌、牙齒、胸腔、鼻子在具體形態(tài)構(gòu)造和尺寸大小上的個體差異很大，這就是造成每個人的聲紋特征具有與其他人不同的唯一性和一定時期內(nèi)不變的穩(wěn)定性的成因。從混淆正常人體聽覺的角度，可以模仿出與他人高度相似的聲音。但如果采用聲紋識別技術(shù)，則很容易就能發(fā)現(xiàn)其中的差異。所以，無論是多么高明、相似的聲音模仿都可通過聲紋識別技術(shù)辨別。

聲紋識別還可具體劃分為語音識別和說話人識別。語音識別是對信息具體含義的識別，即通過分析說話人的發(fā)音，發(fā)現(xiàn)語音、音節(jié)、單詞或單句的含義，并不需要考慮語調(diào)、方言等特征。換言之，是對語音含義的識別。說話人識別與之相反，目的在于確認語音發(fā)出者的身份，即通過語音來辨別說話人，而并不考慮聲音的具體含義與意義。

目前，語音識別主要用于對殘缺語音材料的補全，其民事、商業(yè)用途大于司法用途。同一認定意義上聲紋識別則主要指說話人識別。說話人識別包括說話人辨認和說話人確認兩個方面。前者的識別采取單對多形式，能夠判斷出某段語音是若干人中哪一個所說，廣泛運用于刑事案件、確定嫌疑人、司法訴訟等方面。說話人確認是一對一的確定過程， 即確認某段語音是否屬于指定的某人。作為生物識別技術(shù)，主要應(yīng)用于門禁系統(tǒng)、金融產(chǎn)品交易、銀行服務(wù)、聲控鎖具、信用卡等。識別圍繞同一性，事先錄入聲音作為留存樣本，通過設(shè)備分析出該樣本獨有且可識別的特征，并由數(shù)個特征整合為一組數(shù)據(jù)，作為整體寫入數(shù)據(jù)庫，當待檢聲音能夠以完整的形式匹配數(shù)據(jù)庫的特征組合，則識別通過。

與其他個人信息相比，聲紋目前未被列為個人隱私的范疇。這樣一來，聲紋由于其容易帶來隱私權(quán)的問題，以聲紋為媒介的識別設(shè)備則更容易在獲得法律上的認可。同時，由于聲紋設(shè)備成本較低，容易為更多考慮成本的民用行業(yè)所接受。通過聲紋識別技術(shù)，可用聲音來代替金融交易的傳統(tǒng)數(shù)字加字母式密碼，以聲音作為密鑰。如此，人們不需隨身攜帶鑰匙、智能卡之類硬件識別設(shè)備，也不需記住復(fù)雜的密碼。尤其是在監(jiān)所門禁識別當中，使用聲紋生物識別取代指紋識別將能夠有效避免罪犯為脫逃而殺死獄警并切下手掌的殘忍情況發(fā)生。在偵查破案中，對于只能獲取到聲音線索的情況，聲紋識別也大有助益。譬如綁架勒索案件中，犯罪分子往往通過需要通過聲音作為媒介與受害者家屬進行聯(lián)絡(luò)。那么，其中能夠獲得的線索就是錄音，通過聲紋識別技術(shù)，就能根據(jù)電話錄音獲得線索，縮短破案周期。對于我國而言，現(xiàn)有的刑事證據(jù)、民事證據(jù)體系中就列有視聽資料一條，給聲紋作為證據(jù)使用留下了法律依據(jù)。

蘋果和它的Siri語音技術(shù)

Siri在蘋果手機的中文操作環(huán)境下又叫做語音控制。開啟語音控制功能之后，只要對著聲音接收孔發(fā)布語音指令，智能手機就能夠根據(jù)聲音判斷其中的語義，進行網(wǎng)絡(luò)搜索、開啟某個程序或者撥打通訊錄電話。對于某些常用程序，使用Siri能夠有效提高效率。譬如通訊錄的調(diào)取聯(lián)系人的電話號碼，說出想要聯(lián)系的對象，語音識別系統(tǒng)就會將聲紋轉(zhuǎn)化為電子設(shè)備能夠理解的數(shù)字算法，同時將通訊錄中文字信息轉(zhuǎn)化為數(shù)字算法，與前者匹配，當計算比對完成時，則自動發(fā)出指令，查詢相應(yīng)號碼，隨之發(fā)出撥出指令。分析Siri的技術(shù)來源，則可將其歸屬于聲紋識別的一種，其中，語音識別為其主要的工作機制。

但是可以想象，一部手機的芯片與處理器的主頻顯然不能支持如此巨大的語音分析——信息比對的任務(wù)量。那么，蘋果手機是怎么做的呢？顯然是通過移動互聯(lián)網(wǎng)將手機接入了蘋果公司的服務(wù)器，使用者的語音記錄、檢索信息被上傳到云端或者大型計算設(shè)備。蘋果公司則公開承認了上述信息收集行為。楚蒂·穆蕾（Trudy Muller）作為蘋果公司的新聞發(fā)言人肯定地說，當使用者對 Siri提出“今天天氣怎么樣”之類的問題時，錄音是被保存了下來的。但她補充說，“存儲這些數(shù)據(jù)，只是為了讓 Siri 正常工作，以及幫助 Siri 提高語音理解和識別能力”；“蘋果公司‘高度重視用戶的隱私，請注意，Siri 通過互聯(lián)網(wǎng)發(fā)送的問題和回答都是加密的”；“雖然為了完成你的指令，Siri 的確會上傳你的通訊錄、位置信息、已存歌曲等，但蘋果公司不會把你的聲音錄音和你儲存在蘋果的其他數(shù)據(jù)聯(lián)系起來。”盡管如此，當使用者的信息被儲存到他們無法掌控的環(huán)境之中時，很難想象儲存管理者會如何使用信息數(shù)據(jù)。同時，聲紋由于具有可識別的特性且每個人都不得不通過發(fā)聲進行交流，那么被收集的數(shù)據(jù)將會成為重大的生物特征源。可以想象，如果聲紋因為種種原因發(fā)生泄露，則有危害公民隱私之虞。

正是由于聲紋的唯一與可識別特性，美國國家安全部門已經(jīng)開始使用聲紋來驗證跨境旅客，以便更快辦理過境手續(xù)。同樣值得擔憂的是，假如你曾經(jīng)向 Siri 詢問過一些敏感性的問題，譬如政治敏感詞、生理、疾病敏感詞，一旦發(fā)生信息泄露，你將處境十分尷尬。

雷神科技（Raytheon BBN Technologies）的執(zhí)行副總裁普瑞姆· 納塔瑞杰（Prem Natarajan）認為，基于生物特征的識別技術(shù)提出了一個全新的隱私爭議。舉個例子，如果政府可以得到這些數(shù)據(jù)，那么，當有人在 Siri 上搜索反專制抗議組織的位置時，他可就麻煩了。上月美國國會的一項法案恰恰印證了普瑞姆的擔憂。該法案擬構(gòu)建私營企業(yè)與政府機構(gòu)之間的網(wǎng)絡(luò)信息分享機制，使政府能夠真正接觸到需要保護的個人信息數(shù)據(jù)。保護的同時是否意味著監(jiān)控和建立聲紋數(shù)據(jù)庫？也許斯諾登會給我們答案。

保護聲音的密碼，切斷聲紋的關(guān)聯(lián)信息

那么如何對聲紋進行保護呢？譬如蘋果手機，其語音識別系統(tǒng)的工作機制是通過將使用者發(fā)出的問題傳輸至服務(wù)器當中，利用服務(wù)器的特定程序分解該段語音資料，將其轉(zhuǎn)化為可供分析的代碼并提取相關(guān)特征，最后進行語音識別。當我們說出“我想去吃火鍋”時，實際上共享了我們的即時位置。但其實，我們是有辦法在享受科技便捷的同時，把自己的生物特征變得隱蔽一些的。智能手機本身帶有一定的數(shù)據(jù)處理能力，語音識別的過程，一般在手機自行處理數(shù)據(jù)開始，如果待識別的信息可以在手機本身得到處理的話，將避免上傳至云端。專家給出的建議是“也許任何能和你本人直接掛鉤的東西都只該留在手機里”。那么，在使用語音功能時，不妨選取部分能夠有效表達內(nèi)容又不會過度暴露自己的短詞語。此外，聲音音量的大小，對于說話人辨認很重要，但是對于聲紋識別中的語音識別卻沒什么影響。所以音量的控制或可減少聲紋的暴露程度，或者說至少會為聲紋的提取和識別制造些難度。

此外，可以通過聲音模糊處理程序隱匿聲音，其原理如同“會說話的湯姆貓”App。另一種方法，就是更改智能設(shè)備端的設(shè)置，或者加入程序附件，將識別的目標庫鎖定在本人所使用的硬件終端上、本地主機上。但是這種方法也并非絕對安全，儲存介質(zhì)可以通過數(shù)據(jù)技術(shù)進行恢復(fù)。所以，如果使用了智能設(shè)備，完全隱匿數(shù)據(jù)幾乎沒有可能。進一步而言，匿名聲紋最簡單且是唯一的方法：像手機sim卡那樣，切斷聲紋和其他數(shù)據(jù)的關(guān)聯(lián)。

編輯：黃靈 yeshzhwu@foxmail.com