13、智能语音接口层的防欺骗认证技术解析

智能语音接口层的防欺骗认证技术解析

1. 无线信号双因素认证系统 WSVA

在物联网环境中，语音控制服务（VCS）面临着诸多欺骗攻击的威胁，如重放攻击、对抗样本攻击、不可听攻击等。为了应对这些攻击，WSVA 这一免设备的活体检测系统应运而生。

WSVA 充分利用了物联网环境中普遍存在的无线信号，通过感知人类嘴巴的运动，依据语音样本和信道状态信息（CSI）数据之间的一致性来验证语音命令的真实性。其显著优势在于，用户无需携带任何额外设备，也不需要大量的训练数据。经过实际验证，WSVA 能够达到 99% 的检测准确率，误接受率仅为 1%。

2. 智能语音场景下的声音原理

如今，支持语音助手的智能音箱已成为智能家居平台的核心。用户只需发出语音指令，就能远程控制家电或查询信息。然而，语音的广播特性为攻击者注入恶意命令打开了方便之门。

2.1 声音生成过程

语音命令可由人类或电子设备（如扬声器）生成。对于电子扬声器，给定原始语音命令信号 x(f, t)（f 表示频率，t 表示时间），扬声器利用电磁场变化使振膜振动，推动空气产生声波 s(f, t) = hdev(f, t) · x(f, t)，其中 hdev(f, t) 代表设备对声音信号调制的通道增益。当人类发出语音命令时，嘴巴和嘴唇也会对空气进行调制，可用 huser(f, t) 表示调制增益，生成的声音为 s(f, t) = huser(f, t) · x(f, t)。

graph LR
    classDef process fill:#E5F6FF,stroke:#73A6FF,s