11、WSVA:基于无线信号的双因素语音认证技术解析

WSVA:基于无线信号的双因素语音认证技术解析

在当今物联网（IoT）快速发展的时代，语音交互已成为智能设备与用户之间的重要交互方式。然而，语音指令的安全性问题也日益凸显，语音欺骗攻击可能会导致设备被恶意控制。为了解决这一问题，WSVA（Wireless Signal Based Two Factor Authentication）技术应运而生，它通过结合语音样本和信道状态信息（CSI）数据，实现了对语音指令的双因素认证，有效提高了语音交互的安全性。

原理背景

WSVA的基本原理是利用CSI数据反映的环境多径信号干扰特性，结合人类说话时嘴巴运动引起的多径传播变化，生成独特的CSI时间序列模式。当人类发出语音指令时，嘴巴的运动会导致CSI值发生明显波动；而在语音欺骗攻击中，攻击者注入语音指令但没有相应的嘴巴运动，CSI数据不会出现对应的变化。因此，通过检查语音样本和CSI数据波动的一致性，WSVA可以检测出语音欺骗攻击。

嘴巴运动分类

考虑到Wi-Fi信号难以准确捕捉微小的人类嘴巴运动，WSVA通过分析国际音标，将嘴巴运动分为四类：张大嘴巴（Hiant）、咧嘴（Grin）、圆唇（Round）和撅嘴（Pout）。除了少数嘴巴运动不明显的音节外，大多数音标音节都可以归为这四类之一。不同类型的嘴巴运动对应着不同的语音音节和CSI特征，如下表所示：
| 嘴巴运动 | 音节 | 示例单词 |
| — | — | — |
| 张大嘴巴（Hiant） | /a:/ /æ/ /ai/ | bar, cat |
| 咧嘴（Grin） | /e/ /ei/ | A, base |
| 圆唇（Round） | /c/ /c:/ |