中国银联《金卡生活》：【生物识别】声纹识别在金融支付领域的应用 2016-6

有很多手段能够使支付便捷，但是，却一直存在安全隐患。安全隐患，是便捷的代价，需要有解决方案。

中国银联的调研表明，在移动支付中手机支付占的比例最大，手机支付是用户最喜欢的一种方式，占82%。一个人可能无法保证每时每刻都和家人一起，但是往往离不开手机。个人认为，手机已经成为人的一个标配，或者说是人类的一个“器官”，而不仅仅是用来通讯或支付的工具。

但是，在这样的情形下安全就成了大的问题。2015年腾讯安全报告表明，移动支付成为互联网金融安全的重灾区，每年与前一年相比往往呈现数倍的增长。人们希望有一些比较好的手段保障安全。

参与调查的用户认为，身份认证最为重要。

身份认证是一个古老的技术，可以说有三个阶段：第一阶段是你知道什么（What you know）。比如密码、口令。但是这些容易被别人知道，因此过一段时间需要换一换。

第二阶段是你有什么（What youhave），即通过介质认证身份。比如U盾、IC卡。第一阶段是嘴上“说”，第二阶段是手里“拿”，相对安全一点。但是，两种手段有共同的特点，就是容易遗忘、丢失，或被窃取。

第三阶段是用生物识别技术证明你是谁（Whoyou are）。

可以看到，前两个阶段的认证手段的缺点都可以被第三阶段的认证手段弥补：不会遗忘，不会丢失，也不会被窃取。

三个阶段的认证手段，随着认证难度的不断增加，安全级别也在增加。

2012年12月美国《大众机械》月刊对未来110年的科技发展做出了大胆预测，包括各种口令和密码将不复存在，视网膜扫描、心跳和声音识别等技术将得到广泛运用。IBM公司表示这将在未来5年内成为现实。预测是2012年，加5年就是2017年。而现在我们看到，一些领域不到5年就已经成为现实。

生物特征有两类，一类是诸如人脸、指纹、掌纹、DNA等，是生理特征，它的基本特点就是相对静态。第二类诸如笔迹、声纹、步态等，是行为特征，它的基本特点是相对动态，是可以交互的。

一个人虽然每天都说话，每天都听声音，但是他不一定知道声纹的特点。一个波形就是一个声音信号，所包含的信息非常丰富，包含语言信息、地域信息（即口音信息）、内容信息、说话人信息、性别信息、情感信息、环境信息等等。其中，对内容信息的提取就对应大家熟知的语音识别技术；而对说话人信息的提取就对应声纹识别技术。

人的大脑进行声音的处理要经过7层，从外耳一直到大脑皮层，最后才能知道想要的信息。人类听觉信息的复杂性和人类声音信号所含信息的丰富性，有助于通过多重手段判断并阻止录音假冒等攻击行为，从而更准备判断用户身份的合法性。

现在，已经有很多成熟的安全技术手段，包括对诸如采集、传输、存储、防火墙等等，但是唯独在智能设备（如手机）和人之间的一致性或者说在身份认证方面，这一厘米距离的安全问题还没有解决好。生物特征识别技术可以解决这安全的“最后一厘米”的问题。

应用对生物特征的需求有是四个方面。

第一，所用的生物特征最好不涉及隐私。两个人见面肯定要讲话，不可能为了保护隐私而不讲话，因此人们对声音的隐私性看得不是那么重；不像指纹，被别人拿走以后就丢了，因为你不可更改自己的指纹。

第二个是安全便捷。如果使用起来不方便，费劲，用户就不愿意使用。

第三个用户体验要好。如果用起来费劲，体验不太好，也不是用户需要的。比如人脸，为了做活体检测，要点点头，眨眨眼，张张嘴，用户会觉得怪怪的。

最后成本一定要低。只有成本低廉，才具备进行广泛商用的条件，这成本包括产品成本（如额外设备）或使用成本（如占用带宽）。

在一些场景要求下，尤其在加上移动支付应用场景这个定语，个人认为，声纹识别是最好的方案，没有“之一”。

这是一个全方位的解决方案。当需要认证的时候，用户发出请求，服务器产生随机的数字串（动态码），就跟验证码一样，然后用户说出来，服务器做出判断：第一，动态码是对的，第二，人是对的，两个都对，认证通过。这就是“声密保”方案，它本身具备了防止录音的能力；当然，我们特有的信道检测技术还可以防止录音拼接闯入。

声纹识别在一定程度解决了安全问题，因为它是一种行为特征，可以交互，只要交互就可以“变”，在不同时候要求说不同的内容。不光认证谁，也认证什么，我用一个词组表示就是“Who Spoke What，谁说了什么”。这个产品获得了中国语音创业联盟的最佳创新产品的荣誉称号，而且是唯一的一个获奖的声纹识别产品。

“声密保”技术有以下几个特点。

第一，成本低廉。所有的手机，包括老年机，它们肯定有麦克风，没有麦克风就不能叫做手机。麦克风是所有手机的标配，因此使用声密保不需要增加额外的硬件设备。

第二，用户接受程度高。由于它的低隐私性，不需要特别保护隐私，无需记忆，内容也是每次随机。

第三，迅速、快捷。一个人说6或8位的数字串，大约需要1秒多，非常方便快捷，比现在很多声纹识别技术需要的语音长度都要短。

第四，安全可靠。通过动态码可以达到防录音、防录音拼接闯入的目的。

第五，业务相关。什么是业务相关？我们跟一些银行交流，他们说希望支付最好跟业务相关。那么，声音是可以做到的，因为它是一个行为特征，我们可以要求所说的内容是业务相关的交易额度、交易日期等。

第六，真实意图。如果用户被人胁迫，要他读出动态码，那么这个人的声音就会含有恐慌、害怕等情感信息，“声密保”可以检测出来并该信息以及手机定位到的位置信息告诉服务器，服务器就会通知公安系统。

总之，“声密保”的特点是成本低廉、低隐私性、无需记忆、迅速快捷、安全可靠、业务相关，反映真实意图等，因此在移动支付是最好的安全手段。

当然，安全不是百分之百，再怎么做也有一些漏洞。所以，将“声密保”其他生物特征识别技术融合，如把声纹和人脸两个生物特征、动态码和唇语两个活体检测综合起来的得意“声颜保”，可以更加提高安全性。

作者系北京得意音通有限责任公司董事长

版权信息

长按下图，识别图中二维码，关注我们