[论文解读] 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 12

一句话总结

VAuth 是一种用于语音助手的连续认证系统，通过可穿戴设备（如耳塞、项链）捕捉的体表振动来实时验证说话者身份。通过将用户身体的加速度计信号与语音助手麦克风的信号进行匹配，VAuth 实现了近乎完美的准确率（误报率 <0.1%），并以低延迟和低能耗开销有效抵御重放攻击、模仿攻击和失真语音攻击。

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.

研究动机与目标

• 解决语音助手系统中缺乏连续认证的问题，这些系统易受重放、模仿和失真语音攻击的影响。
• 克服现有语音生物识别认证的局限性，如特征冲突的脆弱性以及泄露语音特征后不可逆的问题。
• 设计一种无需用户特定训练或重新配置即可提供持续物理可信验证的系统。
• 确保与现有语音助手的兼容性，同时保持低能耗和低延迟开销，以实现真实场景的部署。

提出的方法

• 使用佩戴在身体上的加速度计（如耳塞、项链）捕捉用户说话时声道产生的实时体表振动。
• 同时通过语音助手的麦克风录制语音信号，形成用于对比的双通道输入。
• 实施一种时域内逐段匹配的算法，直接比较原始加速度计信号与麦克风信号，无需特征提取。
• 在运行时过滤掉不匹配的语音段，仅将通过认证的指令转发给语音助手。
• 应用一次训练的机器学习模型，基于英语音素，实现对不同口音、跨语言以及移动状态的鲁棒匹配。
• 使用轻量级服务端匹配服务，接收同步的加速度计与麦克风数据流，并返回认证决策。

实验结果

研究问题

• RQ1 可穿戴设备获取的体表振动能否为语音助手系统中的连续说话人认证提供可靠的物理可信保障？
• RQ2 时域内基于原始信号的匹配方法是否能优于传统基于特征的生物识别方法，以抵御失真语音和重放攻击？
• RQ3 VAuth 在无需用户特定训练的情况下，如何在不同口音、语速、移动水平和语言下表现？
• RQ4 使用现成可穿戴硬件进行连续认证的能耗与延迟开销是多少？
• RQ5 VAuth 能否在不修改语音助手核心架构的前提下，与现有语音助手集成？

主要发现

• 在 18 名用户和 30 个语音命令下，无论设备佩戴位置、口音、语言或移动状态如何，VAuth 的误报率均低于 0.1%。
• 系统通过验证语音与体表振动之间的物理相关性，成功抵御了重放攻击、失真语音攻击和模仿攻击。
• 对于长度不超过 30 个词的命令，匹配延迟低于 1 秒，成功匹配的平均延迟为 364ms，失败匹配的平均延迟为 319ms。
• 在典型使用场景下（每天 100 个命令），平均能耗为每天 6.3mA，使得 500mAh 电池可持续约一周。
• 系统在各种条件下均表现稳健：在无需重新训练的情况下，对不同语言、口音和用户移动状态均保持高准确率。
• 当集成到现有可穿戴设备中时，VAuth 的每日能耗开销不足 10mAh，具备实际部署的可行性。