0
| 本文作者： 李勤 | 2017-10-24 15:29 |
10月23日，2017年極棒大賽舉辦的前一天，一個 H5 悄無聲息地在朋友圈上線了，這個 H5 可以讓玩家上傳自己的聲音與妲己、武則天、諸葛亮等人的聲音比對，給出比對結(jié)果。
宅客頻道中了這個套路，在模仿一個角色的聲音中，相似度達到了94%，于是迅速轉(zhuǎn)發(fā)了PK 結(jié)果，并在酒店里自嗨了很久，覺得要再模仿幾次突破自己。室友編輯小田迅速關(guān)上了房門和窗子，緊張地問了句：如果隔音不好，別人不會以為我們在干什么不可描述的事情吧？
是的，編輯在模仿妲己說的這句臺詞：“主人，我能為你做點什么？”然后又變身武則天，瞬間霸氣上身，儼然精分的深井冰。
終于，編輯和妲己達到了 97 %的相似度，有種分分鐘要迷倒紂王的良好感覺。萬萬沒想到，后來朋友圈里出現(xiàn)了 99 %的相似者，還不止一個。
我不服！
10月24日，極棒大會一個工作人員告訴宅客，因為是一個H5，所以聲音比對沒那么嚴格，采用了微信后端的技術(shù)。要看真的比對PK，你還是看極棒上的五組選手實打?qū)嵉谋荣惏伞?/p>
10月24日，極棒大賽的仿聲項目中，五組一共十幾個選手，只有一個組有唯一一個妹子，居然要模仿妲己？
當然，他們不止模仿妲己。
賽制是這樣的：
選手預(yù)先得到被模仿人物的錄音文件并從中學習語音特征，每個隊的攻破目標4個，前一天隊伍拿到其中2個人物的語料訓練內(nèi)容（該內(nèi)容只做訓練用，不在現(xiàn)場給出的正式比賽語音物料中），進行一個小時的調(diào)試，并提交技術(shù)報告。決賽時間20分鐘，組委對不同設(shè)備指定不同內(nèi)容，選手分別合成語音，如果合成的語音被設(shè)備誤認為是被模仿人物，則攻破成功。至少攻破一個設(shè)備的隊伍有資格獲獎，以被攻破數(shù)量進行排名，數(shù)量相同則用時少的隊伍獲勝。
因為現(xiàn)場藍牙通訊干擾很大，導(dǎo)致POS機項目組選手第一次挑戰(zhàn)破解失敗。一位工作人員特地來到雷鋒網(wǎng)所在的媒體區(qū)告訴大家，跟上述項目一樣殘酷的是，現(xiàn)場有上百號觀眾，而選手們要避開嗡嗡的雜音，讀取指定的剩下2個被模仿人物的原聲。
如果原聲讀取有問題，勢必影響接下來的比賽。
雷鋒網(wǎng)了解到，這個原聲樣本中，有兩句妲己的為比賽特別錄制的聲音，另外兩句是評委徐昊的聲音。剩余17分11秒時，一個隊伍（左起第一組）已經(jīng)率先亮起了兩盞燈，這意味著他已經(jīng)攻破了兩個目標。
這位選手，你可是一個人作戰(zhàn)的藍孩子??！
還剩13分05秒時，包含一個女選手的隊伍smartparrot （左起第三組）也亮起了一盞燈。還剩下9分04秒時，左起第四組和第五組選手開始亮燈，第五組亮了兩個燈。剩余6分20秒時，第五組亮起了第三盞燈。
只要第五組率先亮起最后一盞燈，他們就贏了！
懂套路的主辦方立馬切入了第一組（2燈）和第五組（3燈）選手的對比實時PK 視頻，第一組（神牛gogo）選手緊張地回了下頭。
剩余 57秒時，戰(zhàn)局沒有變化。
比賽結(jié)束時，第五組（清晨李唐王）獲勝，達成了三個目標！
現(xiàn)場評委稱，有幾個仿聲攻擊方式：人模仿（技藝精湛的配音人員可以做到）、語音合成（相對比較容易抓包）、語音轉(zhuǎn)換（比合成難防，相對比較難）、錄音。
“清晨李唐王”中的黃雨晨和王木均來自清華大學，他們告訴雷鋒網(wǎng)，賽前收到了妲己的一條語音測試數(shù)據(jù)，另外一條測試數(shù)據(jù)是“評委隨便說的一句話”。在此次比賽中，“清晨李唐王”成功破解了兩句妲己的原聲以及一條徐昊錄制的智能音箱的開機語，另一條徐昊錄制的語音“更上一層樓”沒有被“破解”。
雷鋒網(wǎng)宅客頻道獨家采訪了冠軍隊伍中的黃雨晨、王木以及極棒該項目的一位評委鄭方。有意思的是，鄭方也在清華大學任語音和語言技術(shù)中心主任，同時是北京得意音通公司的董事長。該公司兩個月前發(fā)布了一款聲紋識別門鎖新品，為的就是防黑客。
［王木（左）、黃雨晨（右）］
但這卻是鄭方和獲勝隊伍的第一次正式見面，黃雨晨和王木甚至不知道得意音通在兩個月前的清華某禮堂內(nèi)舉辦過發(fā)布會。
黃雨晨和王木隸屬于清華的深圳研究所，兩人專注的方向都是語音合成，不太涉及聲紋識別領(lǐng)域，不過，“清晨李唐王”在賽前準備了兩種語音仿制模式的三個模型，分別為拼接合成和參數(shù)合成。
讓鄭方出乎意料的是，他在賽前一天曾預(yù)判過所有的選手的破解模式，本來以為拼接合成會更容易讓選手達到目標，仿真成功，沒有想到，促使“清晨李唐王”達到三個目標的卻是參數(shù)合成模式。
“其實拼接合成模式合成出來的語音也不錯，但是通過外放設(shè)備放出來時效果不對了，與設(shè)備有關(guān)?！?黃雨晨介紹。
王木解釋：“拼接是用原聲的聲紋，做出來的語音會一模一樣，參數(shù)模式更難，需要‘打補丁’，音色可能不一樣，需要看原聲語調(diào)和參數(shù)模型，所以做起來還挺難的。”
得意音通之前的發(fā)布會上也曾上演過單純的最難防的錄音攻擊，當時智能門禁曾成功識別到底是用戶的真人聲音還是錄音。
雷鋒網(wǎng)提出，為什么此次比賽中沒有選手直接使用原聲的錄音，甚至直接使用原聲再次錄音版進行攻擊？鄭方認為，恰恰這最簡單的攻擊方法，卻是最有效的攻擊手段，也是最難防的，不過在此次比賽中，默認沒有防的措施，以及沒有錄音檢測措施。
另一位獲得第三名的團隊的選手稱，錄播的話，在現(xiàn)場雜音如此大的情況下，就算把現(xiàn)場主辦方給的錄音再轉(zhuǎn)錄一遍，聲紋圖像和原來差距會很大。
雷鋒網(wǎng)提出一個終極疑問：“雖然你們和評委徐昊不熟，你們沒玩過王者榮耀嗎？為什么你們不拿妲己的聲音訓練？”兩位誠實的選手表示，絕不能作弊違反規(guī)則。
兩位選手還稱，在現(xiàn)實生活中，只要沒有針對錄音攻擊的防范措施，跟蹤一個聲紋識別的用戶，錄制其半個小時的語料，并了解用戶開聲紋鎖的漢字密碼，這種攻擊方式可以復(fù)現(xiàn)。
不過，鄭方稱，還好他家生產(chǎn)的門鎖有應(yīng)對這種錄音攻擊的方式，并在幾年前就針對現(xiàn)場選手的一些攻擊方式進行了防范。
鄭方介紹，應(yīng)對這類攻擊，無論合成還是轉(zhuǎn)換，仿真語音和原聲在連貫性（時域、頻譜）上均有區(qū)別，現(xiàn)場演示的其實都算錄音攻擊，聲紋、信號會被破壞，波形圖有肉眼看不見但機器能識別的區(qū)別。
看來，道高一尺、魔高一丈，到底在現(xiàn)實生活中，能否成功實現(xiàn)此類攻擊，完全取決于攻防雙方是不是都是上述級別的對手。
注：GeekPwn由國內(nèi)頂尖信息安全團隊碁震（KEEN）于2014年發(fā)起并主辦，至今已成功舉辦三年。
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
