盡管我們已經(jīng)知道 NSA 依靠指紋和面部圖像來(lái)識(shí)別目標(biāo)，但是根據(jù) 2008 年的一份機(jī)構(gòu)文件，聲紋才是“NSA 的統(tǒng)治地位所在”。

在美蘇冷戰(zhàn)最嚴(yán)峻的時(shí)期，那是 1980 年的冬天，美國(guó)聯(lián)邦調(diào)查局（FBI）的特工人員記錄到了一次通話——一名男子被安排與在華盛頓特區(qū)的蘇聯(lián)大使進(jìn)行秘密會(huì)晤。然而，在約定的那天，調(diào)查局的特工們沒(méi)能看到究竟是誰(shuí)進(jìn)入了大使館。當(dāng)時(shí)，特工們沒(méi)有辦法僅根據(jù)他的通話聲音就查出他的名字，所以這個(gè)間諜得以繼續(xù)藏匿自己的身份，并在隨后的五年中，將一些美國(guó)機(jī)密項(xiàng)目的細(xì)節(jié)賣(mài)給了蘇聯(lián)。

直到 1985 年，根據(jù)一名俄羅斯叛逃者提供的情報(bào)，F(xiàn)BI 才最終確定了當(dāng)時(shí)那名通話者為前美國(guó)國(guó)家安全局（NSA）分析員 Ronald Pelton。次年，Ronald Pelton 被判處間諜罪。

而今，F(xiàn)BI 和 NSA 的特工能夠在 Pelton 給蘇聯(lián)撥出第一個(gè)電話的幾秒內(nèi)識(shí)別出他的真實(shí)身份。NSA 2006 年 1 月的機(jī)密備忘錄顯示，NSA 的分析員使用了一種“用聲音識(shí)別人的技術(shù)”成功將 Pelton 以往的音頻文件與電話監(jiān)控相匹配。備忘錄中描述道：“如果這種技術(shù)早出現(xiàn) 20 年，那么將能夠提前發(fā)現(xiàn) Pelton 的間諜行為并實(shí)施抓捕，這將會(huì)大大減少 Pelton 對(duì)國(guó)家安全造成的重大損失。”

由前 NSA 雇員斯諾登提供的機(jī)密文件顯示，NSA 開(kāi)發(fā)的技術(shù)不僅能夠?qū)⑺矫軐?duì)話轉(zhuǎn)為文本，還能自動(dòng)識(shí)別對(duì)話中的人。

美國(guó)人在喚醒亞馬遜的 Alexa 或者打電話給銀行的時(shí)候，經(jīng)常會(huì)使用到這種被稱(chēng)為聲紋識(shí)別的技術(shù)。但是早在“Hello Siri”和“OK Google”這樣的語(yǔ)言指令走入尋常百姓家之前十年，NSA 就用這種聲紋識(shí)別技術(shù)來(lái)監(jiān)控恐怖分子、政治家、毒梟、間諜甚至是一些普通政府機(jī)構(gòu)的雇員。

這種技術(shù)的原理在于分析個(gè)人聲音中獨(dú)特的物理和行為特征來(lái)區(qū)分不同人的聲音，例如發(fā)聲的音高、嘴型、咽部長(zhǎng)度等。算法隨后會(huì)創(chuàng)建個(gè)人聲音特征的動(dòng)態(tài)計(jì)算機(jī)模型，也就是通常所說(shuō)的“聲紋”模型。整個(gè)過(guò)程——捕捉所說(shuō)的單詞、將單詞轉(zhuǎn)化為聲紋、并將這種表示與數(shù)據(jù)庫(kù)中其他的“聲紋”進(jìn)行對(duì)比——都可以在瞬間完成。盡管我們已經(jīng)知道 NSA 依靠指紋和面部圖像來(lái)識(shí)別目標(biāo)，但是根據(jù) 2008 年的一份機(jī)構(gòu)文件，聲紋才是“NSA 的統(tǒng)治地位所在”。

我們不難看出原因。NSA，無(wú)論獲得許可與否，截取了數(shù)以百萬(wàn)計(jì)的美國(guó)公民的電話，甚至包括越洋電話、視頻電話和互聯(lián)網(wǎng)電話，從而建立了一個(gè)無(wú)可比擬的聲紋庫(kù)。來(lái)自斯諾登提供的文件顯示，分析人員將部分人的錄音提供給聲紋識(shí)別算法之后，即使這些人在其他通話中使用未知的號(hào)碼、秘密代碼亦或是不同語(yǔ)言，算法都可以將其與已有的音頻相匹配。

早在伊拉克自由行動(dòng)時(shí)，分析人員就使用聲紋識(shí)別技術(shù)，證實(shí)了那些“疑似被廢黜的領(lǐng)導(dǎo)人薩達(dá)姆的錄音”確實(shí)是薩達(dá)姆本人，而不像公眾以為的那樣是偽造的。NSA 的備忘錄進(jìn)一步表明，NSA 分析員為本·拉登也構(gòu)建了聲紋，“在幾次放送中，他的聲音都十分明顯且一致”；與基地組織的現(xiàn)任領(lǐng)導(dǎo)人 Ayman al-Zawahri 以及基地組織的三把手 Abu Musab al-Zarqawi 有顯著不同。他們也使用 Zarqawi 的聲紋從幾份網(wǎng)上發(fā)布的音頻中找到了他。

據(jù) 2004 年至 2012 年間的機(jī)密文件顯示，NSA 對(duì)其聲紋識(shí)別技術(shù)進(jìn)行了愈發(fā)復(fù)雜的迭代。文件證實(shí)了聲紋識(shí)別在反恐行動(dòng)和緝毒行動(dòng)中均獲使用。文件還建議更多國(guó)家機(jī)構(gòu)部署這項(xiàng)技術(shù)，不僅僅是為了追溯像 Pelton 這樣的間諜，還為了防止像斯諾登這樣的舉報(bào)人出現(xiàn)。

永遠(yuǎn)在聽(tīng)的算法

（2015 年 3 月 4 日，一位男子倚在紐約的一個(gè)公共電話亭旁用智能手機(jī)打電話）

一些民權(quán)專(zhuān)家擔(dān)心聲紋識(shí)別技術(shù)和該技術(shù)的擴(kuò)展應(yīng)用將會(huì)侵害公民隱私。白宮前國(guó)家情報(bào)局局長(zhǎng)顧問(wèn) TImothy Edgar 解釋說(shuō)，“聲紋識(shí)別技術(shù)即創(chuàng)建了一種新的情報(bào)能力，一種容易被濫用的能力。”“我們的聲音代替我們本人穿越各種渠道完成溝通。在大眾監(jiān)控的時(shí)代，這種能力對(duì)我們所有人的隱私都有深遠(yuǎn)的影響。”

Edgar 和其他專(zhuān)家指出，相比于姓名、地址、密碼、電話號(hào)碼和個(gè)人識(shí)別碼，人聲的相對(duì)穩(wěn)定性使得其難以被改變或偽裝。電子前線基金會(huì)（Electronic FronTIer FoundaTIon）的律師 Jamie Williams 表示，這讓追蹤變得“容易的多”。“只要你能識(shí)別出某個(gè)人的聲音，”她表示，“你就能在監(jiān)聽(tīng)記錄或錄音中找到他們。”

聲音是一種獨(dú)特且易于獲取的生物特征：與 DNA 不同，它可以被動(dòng)地被收集，且不受距離的限制，不需要目標(biāo)知悉或者征得他們的同意。雖然識(shí)別的準(zhǔn)確度受到收音條件的相似性，但是在受控的環(huán)境中——低底噪、熟悉的聲學(xué)環(huán)境和良好的通信質(zhì)量——這種技術(shù)可以用寥寥幾句話就精確地匹配到個(gè)人。計(jì)算機(jī)模型擁有的同一個(gè)人的不同聲音樣本越多，模型就愈發(fā)強(qiáng)大，愈發(fā)“成熟”。

在商業(yè)環(huán)境中，聲紋識(shí)別技術(shù)與呼叫中心欺詐審查、與 Siri 等語(yǔ)音助理交談以及個(gè)人銀行業(yè)務(wù)密碼驗(yàn)證等任務(wù)關(guān)聯(lián)密切。并且這種技術(shù)的用途正在逐漸增長(zhǎng)，根據(jù)市場(chǎng)研究公司 TracTIca 的報(bào)告，到 2024 年，語(yǔ)音生物識(shí)別技術(shù)產(chǎn)業(yè)的收入預(yù)計(jì)將達(dá)到每年 50 億美元，其用途將擴(kuò)展至邊境檢查站、醫(yī)療、信用卡支付和可穿戴設(shè)備中。

公民自由主義者的一個(gè)主要擔(dān)心在于，聲紋識(shí)別技術(shù)有可能使談話“冷卻”。新聞自由基金會(huì)執(zhí)行董事 Trevor Timm 指出，可以假設(shè) NSA 的聲紋識(shí)別技術(shù)將會(huì)被用來(lái)追蹤記者、揭露消息來(lái)源，攔截匿名消息等。雖然如今人們已經(jīng)知道在處理敏感材料時(shí)應(yīng)該加密自己的電話，但是 Timm 指出，從電視機(jī)到耳機(jī)再到互聯(lián)網(wǎng)設(shè)備，能夠偷偷記錄聲音的渠道實(shí)在是不勝枚舉。Timm 說(shuō)，我們 24 小時(shí)都會(huì)隨身攜帶一個(gè)麥克風(fēng)，那就是我們的手機(jī)。我們知道政府有辦法侵入手機(jī)和計(jì)算機(jī)來(lái)打開(kāi)這些麥克風(fēng)。

他繼續(xù)說(shuō)道，“盡管斯諾登泄密事件之后，立法方面發(fā)生了很大變化，但美國(guó)人民對(duì)這種政府用來(lái)監(jiān)視全球數(shù)百萬(wàn)人的工具仍然只有一個(gè)片面的理解。這是一個(gè)值得在公眾領(lǐng)域辯論的事情。”但是他指出，如果公眾對(duì)技術(shù)的使用缺乏有意義的認(rèn)識(shí)，這種爭(zhēng)論將會(huì)非常困難——甚至是否能存在都值得商榷。

一位前國(guó)防情報(bào)官員，因政策所限無(wú)法對(duì)機(jī)密文件進(jìn)行討論，匿名對(duì) The Intercept 表示，他相信這種技術(shù)一直隱而不漏絕非偶然。“政府避免討論這種技術(shù)，正是因?yàn)樗岢隽艘恍﹪?yán)峻的問(wèn)題，而這些問(wèn)題政府不愿意回答，”這位官員如是說(shuō)道。“這是自 911 事件發(fā)生以來(lái)，對(duì)于我們個(gè)人及我們的權(quán)利的一項(xiàng)重要轉(zhuǎn)變。”而想要進(jìn)入技術(shù)監(jiān)控范圍，官員指出，“你什么都不用做，張嘴說(shuō)話就行了。”

民權(quán)主義者擔(dān)心，如果沒(méi)有針對(duì)政府秘密收集我們的語(yǔ)音模式這一事項(xiàng)的公開(kāi)討論以及監(jiān)督，我們可能會(huì)進(jìn)入一個(gè)越來(lái)越沉默的世界。

新型聲音工具

（2012 年 10 月 9 日，科羅拉多州博爾德，美國(guó)國(guó)家標(biāo)準(zhǔn)與技術(shù)研究院語(yǔ)音研究所（NIST）大樓）

2013 年開(kāi)始，美國(guó)人就已經(jīng)知道 NSA 在大量收集國(guó)內(nèi)外的電話數(shù)據(jù)，但如何將原始數(shù)據(jù)轉(zhuǎn)化為有用情報(bào)這一技術(shù)仍然鮮為人知。2015 年，據(jù) The Intercept 報(bào)道，NSA 為處理政府收集的大量音頻建立了一系列“人類(lèi)語(yǔ)言技術(shù)”。通過(guò)開(kāi)發(fā)程序自動(dòng)將語(yǔ)音翻譯成文本——分析員稱(chēng)之為“語(yǔ)音版 Google”——政府部門(mén)可以使用關(guān)鍵詞和“選擇器”來(lái)搜索、閱讀和索引錄音而不是派人親自去聽(tīng)，從而節(jié)省了大量的人力。

從語(yǔ)音轉(zhuǎn)寫(xiě)文字項(xiàng)目衍生的聲紋識(shí)別技術(shù)為分析員提供了一種額外的工具，使其可以將不計(jì)其數(shù)的戰(zhàn)區(qū)音頻進(jìn)行攔截與分類(lèi)。NSA 和國(guó)防部斥巨資發(fā)展此技術(shù)并增加其可靠性。數(shù)字時(shí)代之前，聲紋識(shí)別隸屬于法庭科學(xué)。二戰(zhàn)期間，人類(lèi)分析員對(duì)來(lái)自無(wú)線電的聲音頻率的可視化輸出進(jìn)行比較。根據(jù)《法庭聲紋識(shí)別》的作者 Harry Hollien 的說(shuō)法，這些可以“閱讀語(yǔ)音”的機(jī)器——即語(yǔ)譜圖技術(shù)——甚至用來(lái)駁斥阿道夫•希特勒被暗殺并被人取代的謠言。

作為法庭聲紋識(shí)別標(biāo)準(zhǔn)化事宜的聯(lián)邦領(lǐng)導(dǎo)者，首席聲紋識(shí)別專(zhuān)家 James Wayman 解釋道：“聲紋可以被看到，”他指出，雖然“聲紋”這個(gè)詞已經(jīng)被商業(yè)公司用爛了，但其實(shí)有一定的誤導(dǎo)性。因?yàn)?ldquo;紋”意味著所捕獲的信息是物理的，而不是行為的。他說(shuō)：“其實(shí)你所擁有的是軟件程序里的一個(gè)方程，能夠輸出不同的數(shù)字。”

這些方程已經(jīng)從簡(jiǎn)單的求均值演變?yōu)閯?dòng)態(tài)算法模型。自 1996 年依賴(lài)，NSA 資助了美國(guó)國(guó)家標(biāo)準(zhǔn)與技術(shù)研究院語(yǔ)音研究所（NIST），培養(yǎng)和測(cè)試“解決聲紋識(shí)別問(wèn)題的最具主導(dǎo)性和前途的算法”。與 NIST 一起測(cè)試系統(tǒng)的還有，領(lǐng)先的生物識(shí)別公司和研究人員，其中有一些人獲得了 NSA 和國(guó)防部高級(jí)研究計(jì)劃局（DARPA）的資助。

NSA 一直對(duì)其聲紋識(shí)別項(xiàng)目三緘其口，因此公眾很難知道它目前可以發(fā)揮多大的作用。但是考慮到 NSA 資助的學(xué)術(shù)研究所和私企間緊密的聯(lián)系，從其他國(guó)家正在做的事情和供應(yīng)商正在銷(xiāo)售的東西可以大概估計(jì)出 NSA 的進(jìn)展。

例如，行業(yè)領(lǐng)導(dǎo)者 Nuance 向政府、軍事部門(mén)和情報(bào)部門(mén)推銷(xiāo)“一個(gè)全國(guó)范圍內(nèi)的生物聲紋識(shí)別系統(tǒng)，能夠從包含數(shù)百萬(wàn)聲紋的系統(tǒng)中快速準(zhǔn)確地識(shí)別并區(qū)分一個(gè)人的聲音”。2014 年，美聯(lián)社報(bào)道說(shuō)，土耳其最大的移動(dòng)電話公司已經(jīng)使用 Nuance 的技術(shù)，用來(lái)收集 1000 萬(wàn)左右用戶(hù)的語(yǔ)音數(shù)據(jù)。

10 月份，人權(quán)觀察社（HRW）報(bào)道說(shuō)，中國(guó)政府正在建立一個(gè)國(guó)家級(jí)聲紋數(shù)據(jù)庫(kù)，從而能夠自動(dòng)識(shí)別電話中的人。政府旨在將成千上萬(wàn)的人的語(yǔ)音生物信息與他們的身份證號(hào)碼、民族和家庭地址聯(lián)系起來(lái)。據(jù) HRW 報(bào)道，制造中國(guó)語(yǔ)音軟件的公司甚至已經(jīng)給一個(gè)可以精確定位音頻文件用于“輿論監(jiān)督”的系統(tǒng)申請(qǐng)了專(zhuān)利，。

11 月，根據(jù)國(guó)際刑警組織發(fā)布的新聞，由歐盟資助的一個(gè)國(guó)際聲紋識(shí)別的項(xiàng)目通過(guò)了最后的測(cè)試。來(lái)自 50 多個(gè)國(guó)家的 100 多名情報(bào)分析員、研究人員和執(zhí)法人員（其中包括國(guó)際刑警組織的探員，英國(guó)大都會(huì)警察局和葡萄牙司法系統(tǒng)的警察們）都來(lái)到了展示現(xiàn)場(chǎng)，研究人員證明他們的方案可以識(shí)別“社交媒體上或合法截獲的音頻中說(shuō)不同語(yǔ)言的未知發(fā)言者”。

The Intercept 查閱的 NSA 文件中描繪了一個(gè)類(lèi)似地正在發(fā)展的系統(tǒng)的輪廓——在 9/11 事件之后的幾年里，這個(gè)系統(tǒng)的發(fā)展使得“語(yǔ)音分析員能夠在幾秒鐘內(nèi)對(duì)數(shù)百小時(shí)的語(yǔ)音剪輯進(jìn)行篩選，基于關(guān)鍵詞或說(shuō)話者聲紋識(shí)別篩選出有用的信息。”

“戲劇性”結(jié)果

（2008 年 11 月 22 日，一名 Sahwa 成員在巴格達(dá)市中心檢查站附近用手機(jī)通話）

NSA 聲紋識(shí)別技術(shù)的部分歷史可以通過(guò)閱讀信號(hào)情報(bào)局（SID）近十年的內(nèi)部通訊中重新構(gòu)建。刨除那些自吹自擂和刻意略過(guò)的部分，SIDtoday 的備忘錄詳細(xì)記錄了聲紋識(shí)別的轉(zhuǎn)變歷程——從一門(mén)需要人類(lèi)審查員進(jìn)行的不太可靠的法庭科學(xué)到一個(gè)依賴(lài)大量的語(yǔ)音數(shù)據(jù)進(jìn)行的自動(dòng)算法程序。特別是，這些備忘錄著重說(shuō)明了美國(guó)分析員與英國(guó)政府通訊總部（GCHQ）的同行們?nèi)绾蚊芮泻献魈幚韥?lái)自伊拉克和阿富汗的與反恐工作相關(guān)的大量錄音。GCHQ 雖然拒絕回答本文中涉及的具體細(xì)節(jié)，但在內(nèi)部通訊中自夸稱(chēng)其系統(tǒng)“在與 NSA 的合作中發(fā)揮了重要作用”。

雖然有時(shí)候很難區(qū)分 SIDtoday 總是在展望未來(lái)的信息發(fā)布和技術(shù)的實(shí)際進(jìn)展，但顯然，至少自 2003 年以來(lái)，NSA 一直在利用自動(dòng)聲紋識(shí)別技術(shù)來(lái)定位和標(biāo)注“那些重點(diǎn)關(guān)注對(duì)象的語(yǔ)音消息”。一份 SIDtoday 的備忘錄解釋說(shuō)，每當(dāng)一個(gè)聲音信號(hào)被攔截，聲紋識(shí)別技術(shù)就會(huì)為其建模，并將其與其他已知音源比較來(lái)回答這個(gè)問(wèn)題：“這是我們一直在跟蹤的恐怖分子嗎？是奧薩馬·本·拉登嗎？”

但 NSA 的系統(tǒng)的功能遠(yuǎn)遠(yuǎn)不止回答“是”或者“不是”。在 2006 年的一系列通訊中，報(bào)道了一個(gè)名為“實(shí)時(shí)語(yǔ)音”（Voice RT）的項(xiàng)目，這個(gè)系統(tǒng)不僅能在語(yǔ)音攔截中自動(dòng)識(shí)別說(shuō)話者身份，還能識(shí)別他們的語(yǔ)言、性別和口音。分析員可以對(duì)攔截按上述類(lèi)別進(jìn)行分類(lèi)，通過(guò)關(guān)鍵字進(jìn)行實(shí)時(shí)搜索，并設(shè)置自動(dòng)警報(bào)，在傳入的攔截符合某些標(biāo)簽的條件時(shí)通知他們。一份 NSA 的 PPT 進(jìn)一步證實(shí)，Voice RT 程序?qū)⑵?ldquo;攝入”的伊拉克語(yǔ)音數(shù)據(jù)轉(zhuǎn)換為了聲紋。

斯諾登提供的 NSA 備忘錄并沒(méi)有說(shuō)明 Voice RT 的部署范圍，而 GCHQ 的語(yǔ)音/傳真用戶(hù)組的會(huì)議記錄中提到了這一點(diǎn)。英國(guó)機(jī)構(gòu)的備忘錄中的詳細(xì)說(shuō)明了 NSA 的聲紋識(shí)別計(jì)劃是如何針對(duì)外國(guó)目標(biāo)進(jìn)行部署的。2007 年秋季，當(dāng)其語(yǔ)音/傳真用戶(hù)組在與 NSA 代表會(huì)面時(shí)，NSA 成員們介紹了一個(gè)高效的 Voice RT 系統(tǒng)，可以為語(yǔ)言學(xué)家和分析員提供說(shuō)話者識(shí)別和語(yǔ)言類(lèi)別識(shí)別能力，可以將語(yǔ)音轉(zhuǎn)換為文本和并搜索語(yǔ)音。“實(shí)質(zhì)上，”會(huì)議記錄將 Voice RT 描述為，“一個(gè)一站式商店……他們?yōu)榱颂岣呦到y(tǒng)的可部署性付出了大量的努力。”到 2010 年，NSA 的 Voice RT 程序可以處理超過(guò) 25 種外語(yǔ)的音頻。在阿富汗，NSA 將語(yǔ)音分析和地圖軟件配合使用，定位那些講阿拉伯語(yǔ)的信號(hào)塔集群——用來(lái)發(fā)現(xiàn)新的基地組織訓(xùn)練營(yíng)。

GCHQ 則使用了一個(gè)名為 Broad Oak 的項(xiàng)目，根據(jù)聲音來(lái)識(shí)別目標(biāo)者。英國(guó)政府在中東地區(qū)建立了聲紋識(shí)別系統(tǒng)，識(shí)別對(duì)象不乏沙特、巴基斯坦、格魯吉亞和伊拉克的領(lǐng)導(dǎo)人。GCHQ 的會(huì)議記錄稱(chēng)：“如果您認(rèn)為我們可以幫助您在海量信息流中找到您感興趣的目標(biāo)，請(qǐng)隨時(shí)與我們聯(lián)系，我們很樂(lè)意與您討論您的需求，并希望能夠提供一個(gè)迅速準(zhǔn)確的解決方案。”

這不是一張空頭支票。2009 年，在識(shí)別伊拉克副總統(tǒng)之一 Adil Abdul Mahdi 時(shí)，GCHQ 吹噓說(shuō)他們比對(duì)手 NSA 做得要好。“由于我們一直以比他們更快的速度報(bào)告他（副總統(tǒng)）的相關(guān)消息，NSA 已經(jīng)放棄參與其中 …… 此項(xiàng)良好的表現(xiàn)也提高了我們?cè)?NSA 的聲譽(yù)。“2010 年，GCHQ 的研究概述顯示，兩個(gè)機(jī)構(gòu)就聲紋分析項(xiàng)目的聯(lián)合實(shí)驗(yàn)進(jìn)行了廣泛的合作。

但聲紋識(shí)別工具的發(fā)展并非一帆風(fēng)順。在其早期階段，這項(xiàng)技術(shù)遠(yuǎn)不如今天那么強(qiáng)大有效。前國(guó)防情報(bào)官員回憶說(shuō)，雖然分析員能夠在他們的工作站播放語(yǔ)音樣本，但由于音頻沒(méi)有編入索引，搜索重要的樣本是一個(gè)很大的挑戰(zhàn)。在 SIDtoday 發(fā)表的一封 2006 年的寫(xiě)給編輯者的信中，一位分析員抱怨說(shuō)語(yǔ)音工具的引入使其非常崩潰，并將其初始速度比作“流淌在一月的糖漿”。

然而到了 2007 年，聲紋識(shí)別技術(shù)已經(jīng)明顯成熟。NSA 專(zhuān)門(mén)為伊朗總統(tǒng) Mahmoud Ahmadinejad 的紐約市聯(lián)合國(guó)大會(huì)之行建立的備忘錄中詳細(xì)列舉了該技術(shù)的實(shí)際功用。在獲得合法授權(quán)后，分析員配置了一個(gè)專(zhuān)門(mén)的系統(tǒng)，盡可能多的跟蹤 143 名伊朗代表的電話。在所有的這些傳入流量上，他們運(yùn)行了語(yǔ)音活動(dòng)檢測(cè)算法，以避免目標(biāo)在沒(méi)有說(shuō)話的時(shí)候分析員浪費(fèi)時(shí)間跟蹤； 通過(guò)關(guān)鍵字來(lái)搜索“電子郵件地址的傳遞和重要人物的討論”；以及根據(jù)說(shuō)話者聲紋識(shí)別來(lái)成功定位“包括伊朗外交大臣在內(nèi)的重要人士”的對(duì)話。

同年，NSA 在當(dāng)年格魯吉亞開(kāi)設(shè)的一家新的音頻取證實(shí)驗(yàn)室在一份聲明中指出，NSA 計(jì)劃將這些語(yǔ)音技術(shù)提供給整個(gè)機(jī)構(gòu)的更多分析員。2008 年 SIDtoday 的備忘錄報(bào)告稱(chēng)系統(tǒng)的升級(jí)將允許分析員“找到目標(biāo)者與過(guò)去音頻匹配的新的音頻剪輯”。

當(dāng)目標(biāo)找出規(guī)避聲紋識(shí)別技術(shù)的策略時(shí)，這些工具也會(huì)隨之進(jìn)化。2007 年，分析員注意到，他們識(shí)別為基地組織的兩個(gè)目標(biāo)的攔截頻率超出了正常人的談話范圍。在接下來(lái)的幾年中，分析員在也門(mén)，阿富汗，伊拉克和其他地方也發(fā)現(xiàn)了這種聲音經(jīng)過(guò)調(diào)制的目標(biāo)。“這很有可能是為了避免被情報(bào)機(jī)構(gòu)識(shí)別”。他們觀察到的一些音頻剪輯扭曲了說(shuō)話者的音調(diào)，所以聽(tīng)起來(lái)像是“艾文和花栗鼠”在說(shuō)話。分析員據(jù)此推測(cè)，參與 2009 年 12 月企圖在底特律轟炸的 AQAP 成員通過(guò)使用全新的電話號(hào)碼和掩蓋自己聲音的方式逃脫了政府的識(shí)別。

2010 年，機(jī)構(gòu)的技術(shù)人員制定出了一個(gè)應(yīng)對(duì)這些調(diào)制聲音的解決方案——應(yīng)用 HLT Lite——一個(gè)用來(lái)搜索修改過(guò)或異常的聲音的軟件。SIDtoday 稱(chēng)，該方案在掃描了 100 多萬(wàn)條音頻后，在也門(mén)發(fā)現(xiàn)至少 80 個(gè)經(jīng)過(guò)修改的語(yǔ)音的例子。據(jù)報(bào)道，這使機(jī)構(gòu)發(fā)現(xiàn)了同時(shí)使用幾個(gè)新電話號(hào)碼的目標(biāo)人物。

隨著系統(tǒng)能力的提升，他們的監(jiān)控范圍也在擴(kuò)大。2010 年 9 月的一則通訊詳細(xì)介紹了墨西哥城升級(jí)的聲紋識(shí)別系統(tǒng)的“戲劇性”發(fā)展——網(wǎng)站的負(fù)責(zé)人稱(chēng)，堪比相當(dāng)于一臺(tái)額外的掃描儀。通過(guò)在音頻攔截中搜索“bomba”這個(gè)詞，分析員可以分離和檢測(cè)有關(guān)炸彈威脅的對(duì)話。

聲紋識(shí)別系統(tǒng)也可以很容易地通過(guò)重新配置，用在別的地方。GCHQ 2008 年 10 月的會(huì)議記錄描述了一個(gè)“涉及阿富汗毒品交易的高層人員網(wǎng)絡(luò)”的建立過(guò)程，這個(gè)網(wǎng)絡(luò)后來(lái)被“投入到意想不到的應(yīng)用之中”。分析員甚至“在毒品流量較大的區(qū)域進(jìn)行了一次地毯式搜索”來(lái)識(shí)別更多的目標(biāo)。

從戰(zhàn)場(chǎng)上到機(jī)構(gòu)中

（服務(wù)器機(jī)房里的網(wǎng)絡(luò)設(shè)備）

NSA 很快意識(shí)到，他們的錄音處理能力可以用來(lái)識(shí)別 NSA 內(nèi)部的員工。正如 2006 年 1 月那篇討論 Ronald Pelton 的音頻的備忘錄所解釋的那樣，“聲音匹配技術(shù)正被應(yīng)用到新提出的內(nèi)部威脅（Insider Threat）計(jì)劃中，企圖捉住『我們中的間諜』。”

在美國(guó)軍方告密者 Chelsea Manning 泄密之后，該計(jì)劃由奧巴馬政府公開(kāi)宣布，其內(nèi)容是密切監(jiān)視政府雇員的生活。但這份文件似乎表明，該舉措在 2011 年奧巴馬頒發(fā)行政命令之前就已經(jīng)開(kāi)始實(shí)行了。

據(jù)新聞自由基金會(huì)的 Trevor Timm 的分析，NSA 將用于檢測(cè)外部威脅人員的生物技術(shù)運(yùn)用到檢測(cè)內(nèi)部成員中的異見(jiàn)人士身上這一手段并不新鮮。“在過(guò)去 15 年中，我們已經(jīng)看到了一連串這樣的例子：執(zhí)法機(jī)構(gòu)把那些侵犯式的、本來(lái)作用于恐怖分子身上的工具——無(wú)論是定位跟蹤還是人臉識(shí)別，或者是像這種聲紋識(shí)別技術(shù)——用于其它各種犯罪調(diào)查中。”

Timm 指出，在過(guò)去幾年中，告密者，情報(bào)人員以及記者都采取了更嚴(yán)密的安全措施來(lái)避免暴露身份。但是，“如果記者使用的電話號(hào)碼并未與其身份關(guān)聯(lián)，那么政府就會(huì)通過(guò)許可證等方式來(lái)掃描他們通話，這項(xiàng)技術(shù)也將潛在被用于抑制新聞業(yè)的發(fā)展。”

對(duì)于情報(bào)圈的民權(quán)律師第一人 Timothy Edgar 來(lái)說(shuō)，這些“風(fēng)險(xiǎn)”可以歸為這樣一個(gè)問(wèn)題：“他們是在尋找正當(dāng)目標(biāo)，還是在濫用權(quán)力？比如試圖監(jiān)控記者或告密者這樣的做法？”

Edgar 說(shuō)，在某些方面，聲紋識(shí)別或有助于保護(hù)個(gè)人隱私。這項(xiàng)技術(shù)允許分析員來(lái)篩選電話，這樣他們就可以專(zhuān)注于目標(biāo)人物的聲音，從而剔除掉其他人的聲音。一份 2010 年度的 SIDtoday 備忘錄強(qiáng)調(diào)，通過(guò)確保“該名說(shuō)話人是某國(guó)領(lǐng)導(dǎo)人而非甜甜圈店的某個(gè)服務(wù)員，”該技術(shù)可以降低情報(bào)人員所需監(jiān)聽(tīng)的通話量。

“事實(shí)上，”這一級(jí)別的精確度，成為了“NSA 解釋當(dāng)初大量收集元數(shù)據(jù)的做法的擋箭牌”，Edgar 解釋說(shuō)。“他們?yōu)轫?xiàng)目進(jìn)行辯護(hù)的手段之一，就是自稱(chēng)沒(méi)有收集所有的數(shù)據(jù)，而是通過(guò)篩選器來(lái)收集信息。”

同時(shí)，從大量數(shù)據(jù)中識(shí)別特定個(gè)體的目標(biāo)，常常證明了繼續(xù)收集更多數(shù)據(jù)的必要性。識(shí)別可以幫助分析人員縮小電話接聽(tīng)的范圍，但這項(xiàng)技術(shù)似乎會(huì)鼓勵(lì)他們?cè)诟蠓秶鷥?nèi)進(jìn)行搜索，因?yàn)楸举|(zhì)上這項(xiàng)任務(wù)的目標(biāo)是監(jiān)聽(tīng)目標(biāo)聲音出現(xiàn)的對(duì)話，無(wú)論他用什么號(hào)碼撥出?；蛉?Pelton 備忘錄所指出的那樣，這項(xiàng)技術(shù)使得分析員能夠“在任何地方辨別出那個(gè)聲音。”

雖然這些文件表明，該機(jī)構(gòu)確實(shí)試圖在其員工身上運(yùn)用這項(xiàng)技術(shù)，但 The Intercept 所查閱的文件并沒(méi)有明確表明，該機(jī)構(gòu)是否已經(jīng)在美國(guó)普通公民的對(duì)話數(shù)據(jù)中進(jìn)行聲紋創(chuàng)建。

外國(guó)人情報(bào)監(jiān)視法案（Foreign Intelligence Surveillance Act，F(xiàn)ISA）規(guī)定，機(jī)構(gòu)可以自由收集在國(guó)外服務(wù)器和基礎(chǔ)設(shè)施上傳輸?shù)囊纛l數(shù)據(jù)，以及美國(guó)人與外國(guó)人的語(yǔ)音交流數(shù)據(jù)。因?yàn)轫?xiàng)規(guī)定，Edgar 稱(chēng)，越洋電話“基本上”是被系統(tǒng)錄過(guò)聲紋了。“如果他們沒(méi)對(duì)越洋電話使用這些技術(shù)手段，我才會(huì)感到驚訝。在某種程度上，這就是他們的工作內(nèi)容。”

然而專(zhuān)家們對(duì)“NSA 是否有權(quán)利在沒(méi)有許可的情況下掃描美國(guó)公民在美國(guó)領(lǐng)土上進(jìn)行的通話并制作聲紋”這一議題表現(xiàn)出了分歧的態(tài)度。這種分歧部分源自監(jiān)督相關(guān)法律的不完備，這方面的法律未能跟上聲紋與語(yǔ)音識(shí)別等數(shù)字技術(shù)的發(fā)展。

雖然美國(guó)已經(jīng)制定了嚴(yán)格的法律，禁止在沒(méi)有許可證的情況下對(duì)美國(guó)領(lǐng)土上進(jìn)行的電話內(nèi)容進(jìn)行記錄，但也沒(méi)有任何聯(lián)邦機(jī)構(gòu)負(fù)責(zé)監(jiān)管聲音數(shù)據(jù)的采集和處理事宜。

監(jiān)管缺失的部分原因是，雖然政府需要許可才能獲得“內(nèi)容”，但聲紋應(yīng)該被歸類(lèi)為“內(nèi)容”嗎？或者像 NSA 聲稱(chēng)的那樣，聲紋不過(guò)是“元數(shù)據(jù)”——這部分信息所受的法律保護(hù)就少多了。在這個(gè)問(wèn)題上，法律基本上沒(méi)有做對(duì)這部分信息做任何具體的規(guī)定，這導(dǎo)致一些專(zhuān)家推測(cè)，NSA 正在利用這一法律灰色地帶實(shí)行聲紋建立。

針對(duì)一系列詳細(xì)的問(wèn)題，NSA 給出了如下的回應(yīng)：“根據(jù)長(zhǎng)期政策，NSA 將不確認(rèn)也不否認(rèn)該文所指的涉及的美國(guó)政府信息的準(zhǔn)確性。”

無(wú)所不用其極

星期四，參議院投票通過(guò)擴(kuò)大外國(guó)人情報(bào)監(jiān)視法案（FISA）的 702 條，這使得 NSA 有權(quán)對(duì)那些與外國(guó)人溝通的美國(guó)人進(jìn)行暗中監(jiān)視，且不需要許可證。這種再授權(quán)行為，與上周在眾議院的行動(dòng)類(lèi)似，證實(shí)了那些評(píng)論家的觀點(diǎn)，他們認(rèn)為 NSA 對(duì)其法律權(quán)力的解釋整日益強(qiáng)硬——同時(shí)日益模糊。

計(jì)算機(jī)科學(xué)家和監(jiān)控研究專(zhuān)家 Andrew Clement 在斯諾登披露相關(guān)信息之前就已經(jīng)在調(diào)查 NSA 的無(wú)許可竊聽(tīng)活動(dòng)。他堅(jiān)信，該機(jī)構(gòu)對(duì)美國(guó)公民的聲紋識(shí)別的利用并未收到任何限制。他解釋說(shuō)，該機(jī)構(gòu)經(jīng)常選擇將收集到的所有信息進(jìn)行分類(lèi)，直到達(dá)到人類(lèi)分析員能夠?qū)⑵渥鳛樵獢?shù)據(jù)來(lái)進(jìn)行聽(tīng)或讀為止。“那只是一個(gè)巨大的漏洞，”他解釋說(shuō)，“看來(lái)，他們會(huì)把通過(guò)算法方式從內(nèi)容中獲取到的任何信息，都簡(jiǎn)單地歸類(lèi)為元數(shù)據(jù)。”

Clement 類(lèi)比了 NSA 對(duì)待電話號(hào)碼和電子郵件地址的方式，來(lái)類(lèi)比 NSA 會(huì)如何將建立聲紋的行為合法化。斯諾登在 2013 年披露的 XKeyscore 項(xiàng)目，就允許工作人員從截獲的電郵中提取出電郵地址（它們被歸類(lèi)為元數(shù)據(jù)）。這些工作人員還可以對(duì)關(guān)鍵字進(jìn)行全文搜索，它們同樣被歸類(lèi)為上下文信息而不是內(nèi)容。

然而 Edgar 認(rèn)為，如果政府把我們的聲音也算作元數(shù)據(jù)，那么他會(huì)大吃一驚。“你可以試著辯解說(shuō)，聲音特點(diǎn)不等于說(shuō)話內(nèi)容，”Edgar 說(shuō)，“但是為了做聲紋識(shí)別，你還是得收集一通國(guó)內(nèi)電話的內(nèi)容，并對(duì)其進(jìn)行分析以便提取出聲音。”

目前還不知道 NSA 收集、取樣或保留了多少?lài)?guó)內(nèi)的通話內(nèi)容。但 EFF 的 Jamie Williams 指出，NSA 不一定非得通過(guò)收集美國(guó)人的電話錄音來(lái)制作美國(guó)人的聲紋庫(kù)，因?yàn)槊駹I(yíng)企業(yè)就一直在記錄我們的聲音。他們正擁有越來(lái)越多的音頻資源。汽車(chē)、恒溫器、冰箱、電燈泡，甚至是垃圾桶，都已變成了“智能的”（即互聯(lián)網(wǎng)化的）語(yǔ)音設(shè)備。Gartner 預(yù)測(cè)，今年有三分之一的人機(jī)交互將通過(guò)與語(yǔ)音系統(tǒng)的對(duì)話來(lái)進(jìn)行。最近，Google 和亞馬遜的“智能音箱”都推出了聲紋識(shí)別系統(tǒng)，用以區(qū)分家庭成員的聲音。“一旦公司擁有這些聲音數(shù)據(jù)，”Williams 說(shuō)，“在理論上，執(zhí)法機(jī)構(gòu)就能拿到它，只要他們有一個(gè)有效的法律程序。”

這位前政府官員指出，原始語(yǔ)音數(shù)據(jù)可以存儲(chǔ)在民營(yíng)企業(yè)那里，并供 NSA 通過(guò)秘密協(xié)議進(jìn)行訪問(wèn)。比如在 Fairview 計(jì)劃中，該機(jī)構(gòu)與 AT&T 是合作伙伴關(guān)系。盡管美國(guó)國(guó)會(huì)試圖控制 NSA 對(duì)國(guó)內(nèi)電話記錄的收集行為，但該機(jī)構(gòu)一直在尋求獲得我們提供給企業(yè)數(shù)據(jù)庫(kù)的原始數(shù)據(jù)。（例如與 Verizon 和 AT&T 的合作伙伴關(guān)系，對(duì) Xbox 游戲系統(tǒng)的滲透，以及對(duì)萬(wàn)千網(wǎng)友的在線元數(shù)據(jù)的暗中收集，這些只是幾個(gè)最近的例子。）“電信公司持有數(shù)據(jù)，而沒(méi)有什么可以阻止他們運(yùn)行一個(gè)算法，”這位前官員說(shuō)。

Clement 想知道的是，對(duì)于 NSA 而言，可能聲紋識(shí)別能力比其內(nèi)容識(shí)別能力更為重要。“這可以讓他們把你和你自己的其他身份聯(lián)系起來(lái)，并確定你和其他人的關(guān)系，”他說(shuō)。

這似乎才是 NSA 的最終目標(biāo)。在 2010 年的一次關(guān)于“一次前所未有的機(jī)會(huì)，了解 NSA 如何將其創(chuàng)造性的能量用于個(gè)人跟蹤”的會(huì)議上，NSA 的高層領(lǐng)導(dǎo)談到如何將“全生活（whole life）”戰(zhàn)略納入他們的目標(biāo)。他們描述了將生物特征數(shù)據(jù)（比如聲紋）與傳記資料（如社交網(wǎng)絡(luò)和個(gè)人歷史）進(jìn)行整合的需求。用該機(jī)構(gòu)自己的話說(shuō)，“一切都是關(guān)于在空間和時(shí)間上進(jìn)行個(gè)人定位、跟蹤和維護(hù)的連續(xù)性。我們不局限于傳統(tǒng)的通訊方式——我們無(wú)所不用其極。”