IT之家10月25日消息，用過變聲器的朋友或許都知道，目前主流的語音處理方案大多存在一定延遲，而且效果越逼真，延遲往往越高。

據(jù)網(wǎng)絡(luò)安全公司NCC Group最新披露，AI正推動(dòng)語音深度偽造技術(shù)邁向“實(shí)時(shí)”階段，攻擊者能在通話中立刻模仿他人聲音，詐騙成功率近乎100%。

實(shí)時(shí)語音偽造技術(shù)實(shí)現(xiàn)突破

這項(xiàng)名為“深度偽造語音釣魚（deepfake vishing）”的技術(shù)，借助AI模型學(xué)習(xí)目標(biāo)人物的聲音樣本，可在定制網(wǎng)頁界面上由操作者一鍵開啟，實(shí)現(xiàn)實(shí)時(shí)語音“轉(zhuǎn)譯”。

研究人員表示，該系統(tǒng)只需中等計(jì)算性能就能運(yùn)行。在一臺(tái)搭載英偉達(dá)RTX A1000顯卡的筆記本上，他們實(shí)現(xiàn)了不到0.5秒的延遲，并且沒有了以往的停頓和不自然感。

測(cè)試顯示，即便使用低質(zhì)量錄音，該系統(tǒng)依然能生成極為逼真的語音副本。和以往需要數(shù)分鐘訓(xùn)練、只能生成預(yù)錄音頻的舊式語音偽造工具相比，這一系統(tǒng)能在通話中根據(jù)人的意愿實(shí)時(shí)調(diào)整語調(diào)和語速。這意味著普通人借助筆記本電腦或智能手機(jī)也能達(dá)到類似效果，進(jìn)一步降低了惡意利用的門檻。

測(cè)試結(jié)果表明欺騙率極高

NCC Group安全顧問Pablo Alobera表示，在經(jīng)授權(quán)的受控測(cè)試中，當(dāng)實(shí)時(shí)語音偽造技術(shù)與來電號(hào)碼偽造（caller ID spoofing）結(jié)合使用時(shí)，幾乎每次實(shí)驗(yàn)都成功欺騙了測(cè)試對(duì)象。Alobera指出，這一技術(shù)突破大幅提升了語音偽造的速度與真實(shí)性，即使是普通電話通話，也可能被用于欺詐。

視頻偽造發(fā)展尚未完全同步

盡管語音偽造技術(shù)已進(jìn)入實(shí)時(shí)階段，但實(shí)時(shí)視頻深度偽造還未達(dá)到相同水平。近期流傳的高質(zhì)量案例大多依賴最前沿AI模型，如阿里WAN 2.2 Animate和谷歌的Gemini Flash 2.5 Image，將人物“移植”到逼真的視頻場(chǎng)景中。

然而，這些系統(tǒng)在實(shí)時(shí)視頻生成中仍存在表情不一致、情緒不匹配以及語音不同步等問題。人工智能安全公司The Circuit創(chuàng)始人Trevor Wiseman向《IEEE Spectrum》表示，即使是普通觀眾，也能從“語氣與面部表情的不協(xié)調(diào)”察覺偽造痕跡。

專家呼吁建立新型身份驗(yàn)證機(jī)制

Wiseman提到，AI偽造技術(shù)的普及已造成實(shí)際損失。他舉例說，有公司在招聘過程中被視頻深度偽造欺騙，誤將筆記本電腦寄往虛假地址。這類事件表明，語音或視頻通話已無法作為可靠的身份驗(yàn)證方式。

隨著AI驅(qū)動(dòng)的冒充行為日益普遍，專家警告稱，必須引入新的身份驗(yàn)證機(jī)制。Wiseman建議借鑒棒球比賽中的“暗號(hào)”概念，使用獨(dú)特且結(jié)構(gòu)化的信號(hào)或代碼，在遠(yuǎn)程交流中確認(rèn)身份。他強(qiáng)調(diào)，若不采取此類措施，個(gè)人與機(jī)構(gòu)都將面臨愈發(fā)復(fù)雜的AI社會(huì)工程攻擊威脅。

本文僅代表作者觀點(diǎn)，版權(quán)歸原創(chuàng)者所有，如需轉(zhuǎn)載請(qǐng)?jiān)谖闹凶⒚鱽碓醇白髡呙帧?/p>

免責(zé)聲明：本文系轉(zhuǎn)載編輯文章，僅作分享之用。如分享內(nèi)容、圖片侵犯到您的版權(quán)或非授權(quán)發(fā)布，請(qǐng)及時(shí)與我們聯(lián)系進(jìn)行審核處理或刪除，您可以發(fā)送材料至郵箱：service@tojoy.com