Katarzyna – Biometriq

Voiceprint to cyfrowy model cech Twojego głosu, używany w biometrii do identyfikacji i weryfikacji tożsamości. Jest on dla każdej osoby niepowtarzalny.

Aby powstał taki voiceprint potrzebne są:
1. Nagranie próbki głosu. Kiedy mówimy, system rejestruje fale dźwiękowe. Dźwięk analogowy jest zamieniany na format cyfrowy, tzw. ciąg liczb.

2. Oczyszczenie próbki z hałasów z otoczenia. Algorytmy usuwają szum, a następnie dźwięk jest normalizowany, aby wyrównać jego głośność.

3. Podział nagrania na mikro-fragmenty. Za pomocą algorytmów matematycznych opartych na sztucznej inteligencji nagranie dzielone jest na milisekundowe fragmenty, z których wyciągane są kluczowe parametry cech głosu. Chodzi o cechy anatomiczne typu budowa strun głosowych, kształt jamy ustnej, częstotliwość głosu itp. oraz cechy behawioralne takie jak np. akcent, tempo mowy czy sposób oddychania.

4. Szyfrowanie próbki głosu. Zebrane dane są przetwarzane przy użyciu funkcji skrótu, w wyniku czego powstaje zaszyfrowany ciąg liczb, który reprezentuje konkretny głos. I to jest właśnie voiceprint.

Voiceprint nie jest plikiem dźwiękowym. Nie da się go odtworzyć, aby usłyszeć brzmienie swojego głosu. Nie ma też możliwości odzyskania z niego oryginalnych danych, na bazie których został utworzony.

Prognozuje się, że łączna liczba weryfikacji deepfake na podstawie głosu i twarzy wzrośnie w ciągu 2 lat ponad dwukrotnie, z ponad 6 miliardów w 2026 r. do 12,2 miliarda w 2028 r., a roczne przychody z rynku wzrosną z 3 do 6 miliardów dolarów. Tak wynika z najnowszego raportu „2026 Deepfake Fraud Detection Market Report: Securing Identity in the AI Era” od Biometric Update.

Raport potwierdza, że wykrywanie deepfake będzie coraz częściej integrowane z szerszymi platformami tożsamości, a nie wdrażane jako odrębna funkcja, co odzwierciedla zmianę rynku w kierunku wielowarstwowych zabezpieczeń przed oszustwami opartych na sztucznej inteligencji.

Takimi zabezpieczeniami są na przykład:

1. Modele wykrywania deepfake’ów audio oparte na głosie, które przetwarzają surowy dźwięk w celu określenia prawdopodobieństwa oszustwa. (m.in. algorytm Velma-2 z firmy Modulate).

2. Neuronowe znakowanie wodne audio, czyli ukryty sygnał dodawany do pliku audio przez model uczenia maszynowego wytrenowany do niezauważalnego, ale solidnego osadzania sygnałów w falach audio (np. algorytm Detect od Resemble).

3. Wykrywanie oszustw AI w czasie rzeczywistym na spotkaniach firmowych platformach Zoom, Google Meet i Microsoft Teams. (narzędzie Meeting Guard firmy Polygraf ).
Meeting Guard to widoczny uczestnik wirtualnych spotkań pełniący funkcję bezpiecznego asystenta zgodności, wykrywający treści generowane przez AI, weryfikujący głosy pod kątem zagrożeń typu deepfake oraz generujący bezpiecznie notatki.

więcej w artykule
https://www.biometricupdate.com/202607/deepfake-threat-pushes-detection-beyond-single-biometric-signals

Finalizujemy projekt związany z opracowaniem komunikatora głosowego Vesper z wbudowanym systemem biometrii głosowej.
Obecnie trwają prace integrujące komponenty całego systemu wypracowane w ramach tego projektu.

Komunikator przeszedł do finalnej fazy testów jakościowych, które prowadzone są na platformach Android i IoS. Koniec prac zaplanowany jest na listopad tego roku.

Komunikator głosowy jest unikalnym tworem na rynku polskim, wykorzystujacym technologie biometrii głosu dla zapewnienia najlepszego bezpieczeństwa jego użytkowania.

O jego przewadze nad innymi komunikatorami na rynku decydują:

👉 zintegrowany system biometrii głosowej
👉 wbudowany algorytm weryfikacji prawdziwości mówcy przeciwdziałający kradzieży głosu
👉 autorski mechanizm znakowania audio, który nie pozwala kopiować i klonować głosu użytkownika
👉 niezawodne, silne szyfrowanie transmisji wykorzystujące platformę Signal
👉dostosowanie do osób z niepełnosprawnościami, posiadające czytelny i domyślny interfejs, zapewniający prostą i intuicyjną obsługę.

Komunikator Vesper powstaje w ramach projektu badawczego i jest współfinansowany ze środków unijnych.

Inne Artykuły o projekcie

Giganci technologiczni pozwani za wykorzystywanie próbek głosu do szkolenia sztucznej inteligencji bez zgody.
Google stoi w obliczu nowego pozwu na podstawie ustawy o ochronie prywatności informacji biometrycznych (BIPA), w którym firma została oskarżona o trenowanie modeli sztucznej inteligencji głosowej na podstawie biometrycznych próbek głosu dziennikarzy, twórców podcastów śledczych i lektorów audiobooków.

Pozew został wniesiony przez 7. powodów, którzy twierdzą, że Google stworzył swoje podstawowe modele w oparciu o tysiące godzin nagranej mowy w celu wyodrębnienia biometrycznych próbek głosu. Modele te były wykorzystywane do zasilania takich produktów jak Gemini Live, NotebookLM Audio Overviews, automatycznego dubbingu YouTube, Google Cloud Text-to-Speech i Asystenta Google.

Wśród powodów znajdują się nagradzani dziennikarze radiowi Carol Marin i Philip Rogers, twórcy podcastów śledczych Yohance Lacour, Alison Flowers i Robin Amer oraz lektorki audiobooków Lindsey Dorcus i Victoria Nassif.

Odrębne, ale powiązane pozwy zbiorowe wniesione przez tę samą grupę oskarżonych dotyczą również firm Amazon, Apple Inc., Meta Platforms, Microsoft, NVIDIA, ElevenLabs, Adobe i Samsung Electronics.

Zgodnie z zarzutami, firmy te zbudowały komercyjne systemy głosowe oparte na sztucznej inteligencji, wykorzystując próbki głosu zebrane z Internetu i innych źródeł, bez uzyskania pisemnej zgody, powiadomienia lub opublikowania zasad przechowywania danych biometrycznych wymaganych na mocy ustawy BIPA.

Ustawa BIPA uznaje identyfikatory biometryczne za „biologicznie unikalne dla danej osoby”, co oznacza, że po ich ujawnieniu lub niewłaściwym użyciu, dana osoba nie może ich łatwo zastąpić ani unieważnić.

https://www.biometricupdate.com/202605/tech-giants-sued-under-bipa-over-voiceprints-used-to-train-ai

Jak podaje biometric update wizerunek twarzy na koszulce może być przedmiotem fałszerskiego ataku. Koszulki stały się zagrożeniem dla rozpoznawania twarzy, ale nowe badanie pokazuje, jak temu zapobiec!

Dyskusje na temat ataków biometrycznych zazwyczaj koncentrują się na próbach oszustw finansowych, ale coraz częstsze wykorzystywanie rozpoznawania twarzy w miejscach publicznych skłoniło naukowców do opracowania sposobów oszukiwania tej technologii w celu obejścia zabezpieczeń lub nadzoru. Jedną z metod, która okazała się skuteczna w kontrolowanych eksperymentach są obrazy przedstawiające atakujących na koszulkach. Najnowsze odkrycie w tej dziedzinie polega na zastąpieniu obrazów atakami polegającymi na prezentacji twarzy: koszulka z nadrukowaną ludzką twarzą jest prezentowana kamerze, co oszukuje system rozpoznawania twarzy, sprawiając, że uwierzy, iż widzi prawdziwą, trójwymiarową twarz.

Nowy artykuł grupy naukowców z Uniwersytetu Nauk Stosowanych w Niemczech przedstawia sposób zapobiegania tym właśnie atakom polegającym na prezentacji twarzy.

Naukowcy przetestowali 3 powszechnie stosowane algorytmy detekcji twarzy typu open source: RetinaFace, MTCNN i dlib, w oparciu o bazę danych T-shirt Face Presentation Attack (TFPA). Baza danych zawiera ponad 1600 zdjęć pochodzących ze 100 różnych koszulek, na każdej z nich nadrukowano wizerunek twarzy.

8 osób nosiło koszulki z nadrukowanymi twarzami w różnych pozach, a ich zdjęcia zostały zarejestrowane za pomocą kamery RealSense D435, zdolnej do rejestrowania informacji o głębi obrazów 3D.

W prawie wszystkich przypadkach algorytmy detekcji twarzy wykryły twarz na koszulce. Średni szacowany wskaźnik detekcji 3 algorytmów przekroczył 99% dla wszystkich ośmiu pozach, jak pokazują wyniki. Badanie wykazało również, że jeśli atakujący ukryłby twarz, zasłaniając ją dłońmi, nosząc maskę na twarz lub przechylając głowę, system biometryczny twarzy prawdopodobnie zwróciłby dopasowanie do koszulki – co oznaczałoby, że atak zakończyłby się sukcesem.

Sukces tego ataku prezentacyjnego jest niepokojący, ponieważ koszulki są łatwe do wykonania. Można je również ukryć pod kurtką, co oznacza, że są łatwiejsze w użyciu pod nadzorem niż coś rzucającego się w oczy, takiego jak n. papierowa maska. Ataki z wykorzystaniem koszulek zostały już zidentyfikowane przez służby graniczne jako potencjalne zagrożenie.
Aby rozwiązać ten problem, naukowcy rozszerzyli bazę danych o 152 autentyczne prezentacje i zaproponowali nową metodę wykrywania. Zgodnie z wynikami badań, proponowany algorytm można łatwo połączyć z tradycyjnymi algorytmami wykrywania ataków prezentacyjnych.

Tekst na podstawie https://www.biometricupdate.com/202605/t-shirts-have-become-a-facial-recognition-threat-a-new-study-shows-how-to-stop-it

Zacznijmy od tego czym jest w ogóle morfing.

Morfing (ang. morphing) – to technika przekształcania obrazu polegająca na płynnej zmianie jednego obrazu w inny, stosowana w filmie i animacji komputerowej.

Natomiast morfing głosu (ang. voice morphing lub voice conversion) to zaawansowana technika cyfrowej obróbki dźwięku, która polega na płynnym przekształcaniu głosu jednej osoby (źródłowej) w głos innej osoby (docelowej), przy jednoczesnym zachowaniu treści wypowiedzi. Wykorzystuje algorytmy sztucznej inteligencji (AI), uczenie maszynowe oraz cyfrowe przetwarzanie sygnałów (DSP). System analizuje cechy głosu źródłowego (barwę, wysokość, tembr) i mapuje je na cechy głosu docelowego.

Badacze analizując podejście do ataków morfingu głosu na poziomie sygnału, ujawnili luki w zabezpieczeniach biometrycznych systemów rozpoznawania głosu. Wykazali, że atak morfingu głosu łączy tożsamości, aby ominąć biometrię głosową.

Mowa tu o morfingu tożsamości głosu w domenie czasu (TD-VIM), który umożliwia mieszanie tożsamości bez osadzania ich w strukturze lub tekście referencyjnym.

W systemach biometrycznych powszechną praktyką jest kojarzenie każdej próbki lub szablonu z konkretną osobą. Zaawansowany morfing tożsamości głosu (VIM) umożliwia generowanie próbki, która łączy tożsamości dwóch lub więcej osób mówiących. „Zmodyfikowaną próbkę głosu można wykorzystać do dopasowania wszystkich tożsamości, których próbki głosu wykorzystano do generowania ataków morfingowych, co stwarza wysokie ryzyko w scenariuszach zastosowań, takich jak bankowość i finanse, gdzie niezbędna jest pojedyncza weryfikacja tożsamości”.

Aby zbadać ten problem, zespół badawczy stworzył 4 odrębne sygnały morfingowe i ocenił ich skuteczność za pomocą kompleksowej analizy podatności. Dane porównano z metryką Generalized Morphing Attack Potential (G-MAP), „mierzącą skuteczność ataku w dwóch systemach weryfikacji mówców (SVS) opartych na uczeniu głębokim oraz jednym systemie komercyjnym, Verispeak”.
Wyniki podkreślają skuteczność metody TD-VIM w omijaniu zaawansowanych mechanizmów weryfikacji, podkreślając znaczenie poprawy bezpieczeństwa SVS.

Badania pochodzą z Indyjskiego Instytutu Technologii i Norweskiego Uniwersytetu Nauki i Technologii.

więcej o zjawisku morfingu głosu w artykule.

Ataki typu deepfake czyli oszustwa oparte na bazie AI dzięki wygenerowanej realistycznej próbce głosu z krótkiego nagrania (np. z mediów społecznościowych). Wykorzystanie fałszywej próbki głosu do nieautoryzowanych wejść na konta, tworzenia fałszywych reklam itp.

Wyciek danych biometrycznych. W przeciwieństwie do hasła, głosu nie można zmienić. Jeśli szablon głosowy wycieknie z bazy danych, jest on skradziony bezpowrotnie, co stwarza długotrwałe ryzyko dla tożsamości użytkownika.
Z raportu „Cyberzagrożenia, czego boją się Polacy” opracowanego m.in. przez Urząd Ochrony Danych Osobowych wynika, że wycieku informacji (w ogóle) obawia się 1/3 Polaków. Najczęściej pojawiają się pytania, gdzie i w jaki sposób będą przechowywane dane, czy będą odpowiednio zabezpieczone i czy nie będą bezprawnie wykorzystywane.

Urata prywatności i wizerunku. Głos może zdradzać więcej niż tylko tożsamość – analiza mowy może ujawnić stan zdrowia, cechy psychiczne czy emocje, co może być także wykorzystane przeciwko użytkownikowi.

A dla Was co jest największym problemem?

Więcej o prywatności w biometrii głosowej przeczytacie na naszym blogu
https://biometriq.pl/prywatnosc-w-biometrii-glosowej/

Co stanie się z naszymi kontami po śmierci? Wraca temat cyfrowego zarządzania majątkiem.
Według OpenID Foundation (OIDF), gdy ludzie umierają, los ich cyfrowych kont zależy od szeregu rozproszonych przepisów i systemów prawnych pełnych luk. Nowy white paper OIDF wzywa rządy, dostawców technologii i międzynarodowe organy normalizacyjne do podjęcia skoordynowanych działań w celu ochrony tego cyfrowego majątku i zapewnienia do niego dostępu odpowiednim osobom.

OIDF apeluje do prawodawców o formalne uznanie aktywów cyfrowych w prawie spadkowym, wyjaśnienie, jakie prawa i ochrona prywatności obowiązują po śmierci, oraz ustanowienie ram prawnych dla transgranicznego zarządzania majątkiem cyfrowym.

Dlaczego ten temat jest ważny? Znaczenie prawidłowego zarządzania treściami cyfrowymi przykuwa coraz większą uwagę, ponieważ postęp w technologii deepfake umożliwia podszywanie się pod zmarłych w celu manipulacji lub oszustwa. Aby nie dochodziło do tego typu nadużyć potrzebna jest kwesta regulacji.

Platformy technologiczne mogą wyjść poza udostępnianie danych uwierzytelniających i wprowadzić delegowanie „w imieniu”, wdrożyć weryfikowalne procedury dla osób zmarłych, dać użytkownikom kontrolę nad sposobem wykorzystania ich danych po śmierci oraz poprawić przejrzystość w zakresie zgód, ich odwołania i możliwości audytu.

Organy normalizacyjne również będą musiały popracować nad protokołami delegowania i ramami zaufania.

A co Wy o tym myślicie? Czy uważacie, że uregulowanie dostępu do kont po śmierci jest potrzebne?

więcej przeczytacie w artykule

Czy wiecie czym jest watermarking w biometrii głosowej? To metoda cyfrowego znakowania audio. Polega ona na osadzaniu w pliku dźwiękowym niesłyszalnego na poziomie ucha znacznika tzw. identyfikatora. Celem jest ochrona nagrania przed jego nieautoryzowanym użyciem jak również weryfikacja jego autentyczności.

Watermarking to narzędzie podnoszące w znacznej mierze bezpieczeństwo systemów biometrii głosowej, głównie przez uniemożliwianie ataków na bazie głosu tzw. deepfake’ów.

W jednym ze swoich projektów badawczych opracowaliśmy na bazie tej właśnie metody autorską, unikalną technikę, zabezpieczającą nagrania audio przed ich nielegalnym wykorzystaniem do syntezy lub konwersji głosu. Metoda jak na razie jest wykorzystywana do dalszych celów badawczych.

Dobiega końca 2. etap projektu Vesper, komunikatora głosowego opartego na biometrii. W ramach tego etapu pracowaliśmy nad stworzeniem technologii augmentacji strumieni audio. Czym jest taka augmentacja pisaliśmy tutaj https://biometriq.pl/augmentacja-strumienia-glosowego-co-to-takiego/

Nasz autorski silnik augmentacji strumienia głosowego jest obecnie w fazie testów percepcyjnych (odsłuchowych) i testu ślepej próby. Ich celem jest obiektywna ocena dla potwierdzenia prawidłowego działania silnika zgodnego z założonymi parametrami jakościowymi. Uzupełniając, wbudowana technologia augmentacji strumienia głosowego w komunikatorze głosowym ma wspomagać wykrywanie nieuprawnionego wykorzystania głosu do dalszej syntezy/ konwersji nie powodując przy tym degradacji dźwięku z poziomu ucha ludzkiego. Wszystko po to, aby zapobiec kradzieży głosu i zapewnić najskuteczniejsze działanie usługi.

Warto wspomnieć, że dotychczasowe rozwiązania na rynku takie jak SKYPE, ZOOM, DISCORD, Google Meet, TEAMS, WhatsApp, Signal, Threema, Viber czy Telegra nie posiadają zintegrowanej biometrycznej autentykacji rozmówcy.
Jesteśmy pod tym kątem pionierami.

Ukończenie kompleksowe projektu zaplanowane jest na wrzesień 2026.

W 1. etapie projektu głownie testowaliśmy algorytm prawdziwości źródła strumienia głosowego dalekiego końca, o czym informowaliśmy Was tutaj https://biometriq.pl/uruchomilismy-wersja-testowa-komunikatora-z-modulem-detekcji-prawdziwosci-zrodla-strumienia-glosowego-etap1-projektu/

Więcej o projekcie przeczytacie na stronie https://biometriq.pl/vesper-bezpieczna-platforma-komunikacji-glosowej-z-integracja-uslug-biometrycznych/

Projekt finansowany ze środków UE.

Jesteście ciekawi/e końcowego rozwiązania?

Polityka plików cookie