日前，聲紋識別產(chǎn)業(yè)發(fā)展與創(chuàng)新研討會于清華大學(xué)成功舉行。本次研討會由中國計算機(jī)協(xié)會（CCF）語音對話與聽覺專業(yè)組、得意音通信息技術(shù)研究院主辦，清華大學(xué)人工智能研究院聽覺智能研究中心協(xié)辦。億歐作為特邀媒體參加了本次會議。

會上，CCF常務(wù)理事、語音對話與聽覺專業(yè)組副組長、中科院模式識別國家重點(diǎn)實(shí)驗(yàn)室副主任陶建華進(jìn)行了CCF致辭。中科院語言聲學(xué)與內(nèi)容理解重點(diǎn)實(shí)驗(yàn)室主任、中科信利創(chuàng)始人顏永紅，中國互聯(lián)網(wǎng)金融協(xié)會業(yè)務(wù)三部副主任陳則棟，陸軍工程大學(xué)副教授徐明星，CCF語音對話與聽覺專業(yè)組組長、清華大學(xué)人工智能研究院聽覺智能研究中心主任、得意音通創(chuàng)始人鄭方分別進(jìn)行了相關(guān)主題演講。

聲紋識別為何得到如此高的認(rèn)可？

2018年5月，國家互聯(lián)網(wǎng)信息辦公室發(fā)布了《數(shù)字中國建設(shè)發(fā)展報告（2017年）》，其中特別提到現(xiàn)在信息資源共享開放面臨著線上身份認(rèn)證的瓶頸。

徐明星表示，在線身份識別除了存在管理上的問題外，還會有用戶被不法分子脅迫或在不知情時“被動”進(jìn)行身份驗(yàn)證的情況。他認(rèn)為，“真實(shí)身份＋真實(shí)意圖”將是一種很好的解決方案，即除了確定用戶的真實(shí)身份外，還需要通過情感計算（如恐懼檢測）來確定用戶是否受到脅迫。真實(shí)身份加上真實(shí)意圖的驗(yàn)證，將有效防范來自暗里、明里的攻擊。

在應(yīng)用方面，語音可以和其他模態(tài)實(shí)現(xiàn)渾然一體的多模態(tài)融合。2015年初，為了順應(yīng)國際國內(nèi)移動金融發(fā)展趨勢，中國人民銀行印發(fā)了《關(guān)于推動移動金融技術(shù)創(chuàng)新健康發(fā)展的指導(dǎo)意見》。徐明星表示，在中國人民銀行發(fā)布的標(biāo)準(zhǔn)中提到認(rèn)證的手段必須是多種形式、多通道，而聲音在說話的同時就能進(jìn)行表情等圖像驗(yàn)證，這也是語音在實(shí)現(xiàn)方面的特別優(yōu)勢。

在隱私安全方面，徐明星認(rèn)為，意圖辨認(rèn)與聲紋結(jié)合將是一個更加安全、更加智能的一種認(rèn)證系統(tǒng)。在聲紋識別的認(rèn)證層面，認(rèn)證包含三個階段：先錄音，然后進(jìn)行計算機(jī)比對，最后將結(jié)果呈現(xiàn)。結(jié)果呈現(xiàn)本身就是用戶想要的，不存在隱私問題。而中間聲紋比對的計算過程，由于它的數(shù)據(jù)不可解釋，超越了人類記憶理解的能力范圍，相當(dāng)于這一過程的信息和數(shù)據(jù)是天知、地知、計算機(jī)知。因此在比對中也和隱私無太大關(guān)聯(lián)。而輸入的語音，這里分成三種類型的信息：有聲學(xué)環(huán)境、傳輸通道、用戶語音。很顯然，環(huán)境如何，話筒怎么樣與隱私的相關(guān)性不強(qiáng)。傳輸通道和用戶語音跟個體的隱私也沒什么關(guān)系。其中，用戶的語音內(nèi)容是驗(yàn)證中需要的內(nèi)容，亦不太會涉及隱私。

陳則棟在演講中講到，聲紋有唯一性和獨(dú)一性，并且聲音一般不涉及用戶的隱私，相對來說不會那么敏感，更容易采集到，也更容易達(dá)到國家網(wǎng)絡(luò)安全法以及信息安全技術(shù)、個人信息安全規(guī)范等要求。聲紋識別作為一種基于動態(tài)行為的身份認(rèn)證方式，可以結(jié)合動態(tài)聲紋密碼實(shí)現(xiàn)雙向交互。相對于指紋識別等生物技術(shù)，聲紋識別在個人隱私保護(hù)、安全度具有優(yōu)勢。

基于此，近年來，聲紋識別技術(shù)在金融領(lǐng)域的應(yīng)用得到了相關(guān)監(jiān)管部門的鼓勵。2015年、2016年相繼出臺了關(guān)于改進(jìn)個人賬戶服務(wù)、加強(qiáng)賬戶管理的通知，以及關(guān)于落實(shí)個人銀行帳戶的通知，明確指出開立個人賬戶的可以將探索聲紋識別作為輔助手段。為了引導(dǎo)聲紋識別技術(shù)應(yīng)用規(guī)范發(fā)展，2018年10月，中國人民銀行正式頒布了《移動金融基于聲紋識別的安全應(yīng)用技術(shù)規(guī)范》金融行業(yè)標(biāo)準(zhǔn)，這是第一個聲紋識別的標(biāo)準(zhǔn)，也是我國首個生物特征識別安全應(yīng)用技術(shù)標(biāo)準(zhǔn)。這在一定程度上反應(yīng)了聲紋識別已得到相對較高的認(rèn)可。

魯棒性要求與行業(yè)標(biāo)準(zhǔn)成障礙

陳則棟表示，與傳統(tǒng)的方式不相同，聲紋是無法撤銷、無法更改的，隨著聲紋信息的采集和使用，個人生物特征信息被泄露的風(fēng)險不斷加大，如何保護(hù)好生物特征信息是非常重要的問題。單純就聲紋識別技術(shù)而言，聲紋識別面臨環(huán)境相關(guān)、應(yīng)用相關(guān)等各種魯棒性問題。成熟的技術(shù)可以用，不成熟的技術(shù)還需要研究，這是需要客觀看待的。

聲紋識別研究面臨著魯棒性要求的挑戰(zhàn)，分別是環(huán)境相關(guān)的魯棒性，說話人相關(guān)的魯棒性和應(yīng)用相關(guān)的魯棒性。對此，鄭方談?wù)摿艘幌盗邢鄬唧w的問題，如在聲紋辨認(rèn)場景下必須要解決跨信道問題。此問題該如何解決，目前有很多設(shè)想。比如可以通過參考說話人的方式訓(xùn)練一組從一個信道到另一個信道影射關(guān)系。把影射關(guān)系找到之后，在一個信道下即便沒有數(shù)據(jù)也可以學(xué)過來。這在理論上能達(dá)到很好的效果。但理想很豐滿，現(xiàn)實(shí)很骨感。在實(shí)際中，還有很長的距離要走。此外，多人說話，即對文本無關(guān)性的確認(rèn)；說話人相關(guān)魯棒性中的時變；防假冒闖入等都是目前聲紋識別產(chǎn)業(yè)化過程中遇到的一些問題。

在談及行業(yè)應(yīng)用方面，陳則棟表示雖然聲紋識別技術(shù)在金融領(lǐng)域具備了一定的基礎(chǔ)，但由于沒有一個系統(tǒng)的行業(yè)性標(biāo)準(zhǔn)，整個聲紋識別還是不具備規(guī)模效應(yīng)，還在探索和發(fā)展過程當(dāng)中。這也是聲紋識別落地其他行業(yè)無法回避的問題。

聲紋識別產(chǎn)業(yè)化不僅需要攻克技術(shù)難關(guān)，行業(yè)規(guī)范及相關(guān)法律法規(guī)也需要及時到位。

聲紋識別不是爭相追逐的風(fēng)口，解決實(shí)際問題才是關(guān)鍵

近年來，各方對聲紋識別的關(guān)注與重視逐漸增加，聲紋識別已呈現(xiàn)出火熱之勢。尤其是中國人民銀行頒布了《移動金融基于聲紋識別的安全應(yīng)用技術(shù)規(guī)范》之后，聲紋大熱，包括基于聲紋識別的各種應(yīng)用都將快速發(fā)展。陳則棟認(rèn)為，這種情況下要保持客觀冷靜，不能盲目夸大聲紋的作用，也不能裹足不前。要加強(qiáng)技術(shù)研究分析、穩(wěn)妥有序地開展聲紋識別技術(shù)在金融領(lǐng)域的研究和應(yīng)用。

鄭方在圓桌對話中也表示，聲紋識別發(fā)展到今天，應(yīng)該引起我們做研發(fā)或者產(chǎn)業(yè)化人非常重要的一個思考。聲紋識別現(xiàn)在火了之后，我們應(yīng)該要更多地從問題出發(fā)，從市場的需求出發(fā)來解決實(shí)際問題。不能泛泛講聲紋，就像人工智能不能泛泛講人工智能一樣。現(xiàn)在存在的問題是，人工智能一熱，所有人都往這個筐里靠。但人工智能發(fā)展是參差不齊的，有的領(lǐng)域可能成熟了，有的領(lǐng)域還差得很遠(yuǎn)。不能一概而論，聲紋是同樣的問題。最好的辦法是有序推進(jìn)聲紋識別產(chǎn)業(yè)化，成熟的好好做，不成熟的繼續(xù)在實(shí)驗(yàn)室做。當(dāng)然，一定是市場要求吻合了那才叫成熟，不是識別率做到就成熟了。識別率95％和99％哪個成熟？可能都成熟可能都不成熟，必須解決實(shí)際問題。