就像經(jīng)典***電影中那樣，有人可能會使用指紋膠片或語音錄音來繞過手機(jī)上的指紋或聲紋安全措施。但是不要害怕——你最深最隱蔽的秘密將來可能不那么容易受到黑客的攻擊，這要?dú)w功于一種新的用于手機(jī)的用戶驗證技術(shù)，這種技術(shù)不依賴于生物因素，而是依賴于行為因素。

這個名為LipPass的新平臺能以90.2%的準(zhǔn)確率解讀用戶說話時嘴部運(yùn)動方式的微妙而明顯的差異，并能以93.1%的準(zhǔn)確率檢測出欺騙者。

上海交通大學(xué)的俞嘉地副教授說：“為了抵御攻擊，現(xiàn)有的解決方案要么使用專門的基礎(chǔ)設(shè)施，如Apple FaceID，要么要求用戶進(jìn)行額外的操作，如眨眼，這需要用戶付出額外的成本和精力，并進(jìn)一步降低用戶體驗。”

相反，俞和他的團(tuán)隊開發(fā)了一個新的用戶驗證平臺，該平臺依賴于手機(jī)中的現(xiàn)有基礎(chǔ)設(shè)施來檢測每個人說話時嘴巴運(yùn)動的獨(dú)特方式。1月23日發(fā)表在IEEE / ACM Transactions on Networking上的題為“Lip Reading-Based User Authentication Through Acoustic Sensing on Smartphones”的論文介紹了他們的新唇讀方法。

研究人員意識到，智能手機(jī)上的音頻組件可以通過分析用戶臉部反射的聲音信號來描繪用戶嘴巴的運(yùn)動。由于每個人都表現(xiàn)出獨(dú)特的說話行為——比如嘴唇的凸起和閉合、舌頭的伸展和收縮，以及下頜的角度變化等——這創(chuàng)造了一個獨(dú)一無二的多普勒效應(yīng)輪廓，這輪廓能夠用手機(jī)檢測到。

然后，該平臺使用一種深度學(xué)習(xí)算法，在用戶說話時從用戶的多普勒輪廓中提取顯著的特征。接下來，應(yīng)用一種基于二叉樹的方法來辨別是新用戶的輪廓還是以前注冊的用戶的輪廓，這也有助于在合法用戶身份和欺騙者之間做出辨別。

俞和他的同事們做了一些列的試驗，在四款不同的智能手機(jī)上測試了LipPass：Nexus 6P, Galaxy S6, Galaxy Note 5和***Honor 8。志愿者們在四種不同的環(huán)境（從明亮、安靜的實驗室到昏暗、嘈雜的酒吧）中使用該平臺。

在受控制的實驗室環(huán)境下，LipPass的整體識別準(zhǔn)確率達(dá)到95.3％，與研究中分析的其他兩個平臺微信和支付寶的認(rèn)證準(zhǔn)確率相當(dāng)：微信的聲紋識別準(zhǔn)確率為96.1％，支付寶的人臉識別準(zhǔn)確率為97.2％。然而，值得注意的是，LipPass的識別準(zhǔn)確性在各種環(huán)境下保持相對穩(wěn)定，而在嘈雜環(huán)境中微信的識別準(zhǔn)確率下降到21.3％，而在黑暗環(huán)境中支付寶的識別準(zhǔn)確率降至20.4％。

研究人員還評估了LipPass辨識出欺騙者的能力，這些欺騙者以三種不同的方式試圖非法進(jìn)入系統(tǒng)：通過音頻回放，模仿合法用戶的嘴巴動作，以及記錄來自用戶嘴巴的反射聲頻信號（這很難在用戶沒有注意到的情況下實現(xiàn)）。

綜合所有類型的環(huán)境和所有類型的攻擊，總體成功率不到10％，盡管使用第三種方法（記錄用戶的多普勒輪廓）的攻擊在受控的實驗室環(huán)境下成功的幾率接近20%。然而，俞指出，攻擊者必須在非常近的距離內(nèi)（近至50厘米），才能以足夠高的質(zhì)量記錄某人的多普勒輪廓以用于入侵目的。

俞的團(tuán)隊正在考慮將這項技術(shù)用于智能家居和智能手機(jī)。他說，“我們還計劃將基于唇讀的用戶身份驗證擴(kuò)展用于智能揚(yáng)聲器，智能揚(yáng)聲器（如Amazon Echo和Google Home）是智能家居的核心指揮官。”