清华大学-得意音通声纹处理联合实验室团队ASV

摘要:ASVspoof 2019挑战赛由英国爱丁堡大学、法国EURECOM、日本NEC、东芬兰大学等多个世界领先的研究机构共同组织发起，是迄今为止针对虚假语音鉴别规模最大、最全面的挑战赛。

近日，2019年自动说话人识别欺骗攻击与防御对策挑战赛(Automatic Speaker Verification Spoofing and Countermeasures Challenge，ASVspoof 2019)组委会公布了竞赛成绩，清华大学-得意音通声纹处理联合实验室团队(博士生:程星亮，指导老师:徐明星、郑方)，在156支参赛队中脱颖而出，获得防录音攻击挑战任务全球第一的骄人成绩，与第二名相比等错误率(EER)相对降低27.8%，与基线系统相比EER相对降低96.5%。这是清华大学-得意音通声纹处理联合实验室继在ASVspoof 2017综合性能获得第5名之后，再冲新高。

说话人识别即声纹识别，是根据人说话的声音，判定人的身份的技术。但其容易受到虚假语音的攻击，包括:声音模拟、语音合成、声音转换、录音重放(含录音拼接重放)，此类攻击极大地影响了声纹识别系统本身的安全性，进而也给采用声纹识别技术进行访问控制的系统带来了安全隐患。

ASVspoof 2019针对该问题，举行了两项挑战赛，分别检测不同的虚假语音:一是用语音合成、声音转换技术产生数字语音，直接输入系统(不用麦克风)进行逻辑层面的攻击(Logical Access);二是使用录音重放的方法，经过麦克风进入系统进行物理层面的攻击(Physical Access)。在实际应用中，Logical Access要么经过重放环节而转化为Physical Access，要么需要攻击者实质突破目标系统的安全体系、接管系统的数据输入和传输，对后面这种攻击的防范，最好的办法是加强系统的“安全措施”，因此，清华大学-得意音通团队选择将重点放在了Physical Access挑战赛上。

ASVspoof 2019挑战赛由英国爱丁堡大学、法国EURECOM、日本NEC、东芬兰大学等多个世界领先的研究机构共同组织发起，是迄今为止针对虚假语音鉴别规模最大、最全面的挑战赛。

为本次挑战赛提供数据库支持的是包括Google在内的19家科研机构。其中，谷歌新闻计划团队(GNI)和谷歌的人工智能研究部门(Gai prinoogle AI)为挑战赛精心制作了合成语音数据库。数据库中一系列合成语音，包含由其深入学习的文本到语音(TTS)模型所说的数千个短语，来自英文报纸文章68种不同的合成语音，并涵盖了多种地域的口音。通过真实和计算机生成的语音模型进行训练，ASVspoof参与者可以开发学习区分两者的系统。参赛者使用训练集和开发集上进行模型设计和参数估计，提交测试集上的识别结果，由组织者对检测效果进行分析统计，排出参赛队伍的名次。

本次比赛数据库创建的贡献者

今年的竞赛吸引了来自全球的156组队伍报名参加，共59组队伍提交了最终结果，其中有50支队伍提交了防录音攻击子挑战的结果，有48支队伍提交了防语音合成和声音转换子挑战的结果。详细结果，将在语音领域国际顶级学术会议Interspeech 2019(9月中旬在奥地利格拉茨召开)上予以发布。

关于防攻击

在越来越多学术团队加入防攻击赛事PK的同时，中国在实际应用上已走在前列。在去年央行发布的《移动金融基于声纹识别的安全应用技术规范(JR/T 0164-2018)》中就明确规范了移动金融领域中声纹识别技术需具备的防攻击能力:

(1)防语音模仿

(2)防语音转换及合成

(3)防录音欺诈

(4)防录音拼接欺诈

实际上，声纹识别系统的攻与防还不只是针对虚假语音。攻与防一直在角力，而且防处于不利地位，比如攻在暗、防在明，比如攻只需破一点、防则须保全部。为此，得意音通早在几年前便开始布局，现已研发完成了声纹识别技术的7种防攻击利器。其中“录音重放检查”技术还只是得意音通众多前沿技术储备之一，未来还将有源源不断的创新技术运用于声纹识别产品当中。

得意声纹身份认证的“七种武器”

厚积于清华语音和语言中心近40载的声纹识别技术和语音识别技术等，得意音通还在声纹识别的噪音鲁棒性、时变鲁棒性(全球唯一)，以及用于真实意图检测的情感识别(国际第一)等方面都有积累，得意音通的声密保(V3.0.37)也是目前唯一符合央行标准《移动金融基于声纹识别的安全应用技术规范(JR/T0164-2018)》的产品。

上一篇：尿白蛋白检测标准化及实验室注意事项
下一篇：没有了