[論文レビュー] Continuous Authentication for Voice Assistants

Huan Feng, Kassem Fawaz+1 more|arXiv (Cornell University)|Jan 17, 2017

User Authentication and Security Systems参考文献 24被引用数 12

ひとこと要約

VAuth は、ウェアラブルデバイス（例：イヤーブラッド、ネックレス）からの体表面振動を用いて、音声アシスタントにおけるリアルタイムでの発話者本人確認を実現する継続的認証システムである。ユーザーの体からの加速度計信号と音声アシスタントのマイク信号を照合することで、ほぼ完璧な正確性（誤検出率 <0.1%）を達成し、リプレイ攻撃、模倣攻撃、変形音声攻撃に対しても低遅延・低エネルギー消費で耐性を示す。

ABSTRACT

Voice has become an increasingly popular User Interaction (UI) channel, mainly contributing to the ongoing trend of wearables, smart vehicles, and home automation systems. Voice assistants such as Siri, Google Now and Cortana, have become our everyday fixtures, especially in scenarios where touch interfaces are inconvenient or even dangerous to use, such as driving or exercising. Nevertheless, the open nature of the voice channel makes voice assistants difficult to secure and exposed to various attacks as demonstrated by security researchers. In this paper, we present VAuth, the first system that provides continuous and usable authentication for voice assistants. We design VAuth to fit in various widely-adopted wearable devices, such as eyeglasses, earphones/buds and necklaces, where it collects the body-surface vibrations of the user and matches it with the speech signal received by the voice assistant's microphone. VAuth guarantees that the voice assistant executes only the commands that originate from the voice of the owner. We have evaluated VAuth with 18 users and 30 voice commands and find it to achieve an almost perfect matching accuracy with less than 0.1% false positive rate, regardless of VAuth's position on the body and the user's language, accent or mobility. VAuth successfully thwarts different practical attacks, such as replayed attacks, mangled voice attacks, or impersonation attacks. It also has low energy and latency overheads and is compatible with most existing voice assistants.

研究の動機と目的

• 音声アシスタントシステムに継続的認証が欠如している問題に対処し、リプレイ攻撃、模倣攻撃、変形音声攻撃に対して脆弱であるという点を改善する。
• 従来のバイオメトリクス的音声認証の限界（特徴量の衝突への脆弱性、漏洩した音声プリントの不可逆性）を克服する。
• ユーザー固有のトレーニングや再設定を必要とせず、継続的な物理的保証を提供するシステムを設計する。
• アシスタントのコアアーキテクチャを変更せずに既存の音声アシスタントと互換性を持たせつつ、実世界への展開に耐える低エネルギー消費・低遅延の認証を実現する。

提案手法

• 発話中にユーザーの声帯からの体表面振動を、体に装着した加速度計（例：イヤーブラッド、ネックレス）でリアルタイムに記録する。
• 同時に音声アシスタントのマイクを介して音声信号も記録し、比較用に二重チャンネル入力を構築する。
• 特徴抽出を一切行わずに、時間領域におけるセグメントごとの照合アルゴリズムを実装し、生の加速度計信号とマイク信号を照合する。
• 実行時において、一致しない発話セグメントをフィルタリングし、認証済みのコマンドのみを音声アシスタントに転送する。
• 英語の音素を学習した一回限りの機械学習モデルを適用することで、発音の違い、言語の違い、移動状態に対しても耐性を持つ照合を実現する。
• 同期された加速度計とマイクのデータストリームを受信し、認証意思決定を返す軽量なサーバーサイド照合サービスを採用する。

実験結果

リサーチクエスチョン

• RQ1 ウェアラブルデバイスからの体表面振動が、音声アシスタントシステムにおける継続的発話者認証の信頼性ある物理的保証を提供できるか？
• RQ2 時間領域における生信号照合アプローチが、従来の特徴ベースのバイオメトリクス的手法よりも、変形音声攻撃やリプレイ攻撃に対して優れているか？
• RQ3 ユーザー固有のトレーニングなしで、VAuth は発音の違い、発話速度、移動レベル、言語の違いを問わず、どのように性能を発揮するか？
• RQ4 市販のウェアラブルハードウェアを用いた継続的認証のエネルギー消費と遅延オーバーヘッドはどの程度か？
• RQ5 VAuth は、アシスタントのコアアーキテクチャを変更せずに、既存の音声アシスタントに展開可能か？

主な発見

• 18名のユーザーと30の音声コマンドを対象に、デバイスの装着位置、発音、言語、移動状態に関係なく、VAuth は誤検出率が 0.1% 未満を達成した。
• 音声と体表面振動の物理的相関を検証することで、リプレイ攻撃、変形音声攻撃、模倣攻撃を効果的に防げる。
• 30語以内のコマンドでは、認証遅延が1秒未満で、成功した照合では平均364ms、失敗した照合では平均319msであった。
• 通常使用（1日100コマンド）条件下で、エネルギー消費は1日あたり平均6.3mAであり、500mAhのバッテリで約1週間の稼働が可能である。
• 本システムは、再トレーニングなしで、多様な環境（異なる言語、発音、ユーザーの動き）においても高い正確性を維持する。
• 既存のウェアラブルデバイスに統合した際のエネルギーオーバーヘッドは1日あたり10mAh未満であり、実世界への展開に実用的である。