voicebiometrics – Biometriq

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

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?

Rynek biometrii głosowej jest stosunkowo młody, szacowana wielkość w chwili obecnej to 2-3 mld USD, 2,6 mld USD wg raportu Mordor Intelligence „Voice Biometrics Market Size, Forecast Report, Landscape 2025”.
W zależności od źródła, prognozy zakładają wzrost ok. 10-15 mld USD w ciągu 8-10 lat.
Regionem przodującym jest Ameryka Północna – w analizie Fortune Business Insights udział w 2024 roku wynosił blisko 37%.
Azja-Pacyfik (APAC) często wskazywana jako najszybciej rosnący region w najbliższych latach.
Sektor „Healthcare and Life Sciences” liderem w 2025 r. z 40% udziałem w rynku.
Wzrost napędzają: rosnące wymagania bezpieczeństwa, potrzeba uwierzytelniania bez hasła, rozwój technologii głosowych oraz AI, digitalizacja usług finansowych i kontaktowych.

żródła:

Na rynku pojawiła się nowa forma płatności za pomocą inteligentnych okularów! Transakcji można dokonać za pomocą skanów kodów QR i poleceń głosowych. Inteligentne okulary firmy Alipay, stworzone we współpracy z chińskim producentem smartfonów Meizu są zasilane przez technologię uwierzytelniania głosu i rozpoznawania intencji. Meizu ze swojej strony zapewnia wyświetlacz falowodu optycznego, redukcję szumów głosu i technologię przechwytywania oraz skanowanie kodu za pomocą kamery.

Firma przeprowadziła właśnie swoją pierwszą transakcję płatniczą z wykorzystaniem portfela elektronicznego z wbudowanymi inteligentnymi okularami za pośrednictwem AlipayHK w Hongkongu.

Jak twierdzi spółka Alipay realizowanie transakcji poprzez proste spojrzenie na produkt lub gest w jego kierunku będzie stawało się coraz powszechniejsze w nadchodzących latach.

Ant Group planuje udostępnić nową funkcję globalnym partnerom Alipay+ w 2025 r.
Alipay+ to transgraniczne rozwiązanie płatności mobilnych firmy, które umożliwia firmom akceptowanie portfeli mobilnych z różnych krajów, w tym Line Pay i GrabPay. Usługa obecnie łączy ponad 1,7 miliarda kont użytkowników w 36 portfelach mobilnych.

więcej w artykule źródłowym https://www.biometricupdate.com/202506/alipay-introduces-smart-glasses-payment-with-voice-authentication

Co myślicie o takiej formie zapłaty? Czy ta usługa może zrewolucjonizować rynek? Czy widzicie zastosowanie jej w codziennym życiu?

Okazuje się, że deepfake audio może być groźniejszy niż wideo! Wg raportu Pindrop w ciągu dwóch lat 2023-2024 nastąpił wzrost liczby tego rodzaju deepfake’ów (audio) aż o 760 %.

W dobie nasilających się ataków samoświadomość wydaje się być tutaj kluczową barierą ochronną człowieka przed tego typu zagrożeniami. Chodzi o:

● ograniczone zaufanie do asystentów głosowych,
● znajomość socjotechnik stosowanych przez oszustów,
● kontrolę nad treściami publikowanymi przez siebie w necie.

W rozwiązaniach systemowych oczywistym jest stosowanie zaawansowanych technologii biometrycznych i metodologii do wykrywania deepfake’ków w czasie rzeczywistym.

Na przykład Pindrop jako jedną z możliwości wykorzystuje technikę zwaną akustycznym odciskiem palca. Polega ona na utworzeniu cyfrowego podpisu dla każdego głosu w oparciu o jego właściwości akustyczne, takie jak wysokość, ton i kadencja. Podpisy te są następnie wykorzystywane do porównywania i dopasowywania głosów w różnych połączeniach i interakcjach. Większą dawkę wiedzy o deepfake’ach znajdziecie w podkaście z udziałem Vijay Balasubramaniyan,CEO Pindrop. Link poniżej
https://www.biometricupdate.com/202504/biometric-update-podcast-digs-into-deepfakes-with-pindrop-ceo

Dla przypomnienia Pindrop to firma z siedzibą w Atlancie, USA. Rozwiązania tej firmy wyznaczają drogę ku przyszłości komunikacji głosowej, ustanawiając standardy tożsamości, bezpieczeństwa i zaufania w przypadku każdej interakcji głosowej. Więcej na pindrop.com

Polityka plików cookie