為了解決身份認證問題，生物特征識別技術被認為是解決方案的未來之星。但是，近期有關指紋、人臉和虹膜等分別被假冒攻擊的報道讓人有些擔憂。2016年，西班牙巴塞羅那舉辦了MWC2016世界移動通信大會，在會上《華爾街日報》記者利用軟膠模輕松解鎖iPhone指紋密碼；2016年，美國斯坦福大學研發(fā)的人臉跟蹤軟件Face2Face攻破“人臉”識別；2015年，著名的混沌計算機俱樂部的安全研究員Jan Starbug接受采訪時稱僅需用通過谷歌搜索找到的高清晰度圖像，就可以使用一些虹膜掃描工具進行攻擊……科研工作人員投入大量精力研究活體檢測技術以對抗這些攻擊，并且取得一些可喜的進步，但是往往因活體檢測成本太高而無法在近期達到實用化程度。

　　生物特征分為兩類，一類是生理特征，諸如指紋、人臉、虹膜等；一類是行為特征，諸如聲紋、簽名、姿勢等。在防假冒攻擊方面，屬于行為特征的聲紋具有天然的優(yōu)勢。

　　聲音信號具有“形簡意豐”的特點。它簡單得僅是一維信號，但豐富得包含口音、語種、語義、情感、性別、說話人等各種信息。

　　綜合利用對這些信息的識別技術，可以有效地提供防錄音、防錄音拼接、防脅迫等的解決方案。

　　語音假冒被認為是聲紋識別的一大挑戰(zhàn)。語音假冒的種類包括人類模仿語音、機器合成語音、機器模擬語音、錄音重放等，其中公認最難檢測的是錄音重放，因為重放語音本來就是那個人的語音。

　　近期，清華大學－得意音通聲紋處理聯(lián)合實驗室經過攻關，綜合利用信號處理、聽覺模型、模式識別等一系列人工智能技術，成功研制出最先進的錄音檢測技術。在一個含有65人，涉及當今大部分主流手機型號，共計3萬多次的錄音攻擊及檢測實驗中，錄音檢測的等錯誤率低至3.95%。該錄音檢測技術是基于動態(tài)碼的“得意聲密保”方案的一次升級，更加安全和可靠，真正做到“別人即使竊取了密碼也無法闖入”。

　　清華大學－得意音通聲紋處理聯(lián)合實驗室未來的計劃是充分利用語音“形簡意豐”的先天優(yōu)勢，充分利用清華大學語音和語言技術中心30多年積累的先進的語音和語言處理技術及人工智能技術，實現(xiàn)“統(tǒng)一語音平臺”，以一句話解決所有問題，包括：理解用戶指令（利用語音識別技術知道用戶要做什么）、識別用戶身份（利用聲紋識別技術確認用戶身份）、確認用戶是否受到脅迫（利用情感檢測技術判斷用戶是否受到脅迫）、判斷用戶是否被錄音假冒（利用錄音檢測技術阻止錄音假冒闖入）等，以在提高系統(tǒng)安全度的同時提升用戶體驗。