|
2020年12月3日早上6點(diǎn)36分，美國海岸警衛(wèi)隊通過一個專用于緊急情況的無線電頻道收到一個呼叫：“求救，求救，求救。我們失去了方向舵...我們正在快速浸入水中�！蹦莻�聲音打了個嗝，幾乎就像那個人在掙扎。他又發(fā)了一次無線電，這次是說水泵開始失靈了。他說他會試著把他的船，一艘載有三人的42英尺長的船，開回緬因州云杉頭島上的阿特伍德龍蝦公司。海岸警衛(wèi)隊詢問他的GPS坐標(biāo)，但沒有得到任何回復(fù)。
那天早上，緬因州一名海軍巡邏員內(nèi)森·斯蒂爾韋爾出發(fā)去尋找失蹤的船只。斯蒂爾韋爾騎馬來到位于一個半島盡頭的阿特伍德龍蝦公司，登上一艘龍蝦船，駛進(jìn)冷得令人震驚的水中，它能在短短30分鐘內(nèi)引起致命的低溫癥。
當(dāng)他回到岸上時，斯蒂爾韋爾繼續(xù)在該地區(qū)尋找聽到無線電求救信號的人。根據(jù)一份通過國家記錄請求獲得的報告，有人告訴他五月天呼叫的聲音聽起來“一團(tuán)糟”。其他人說這聽起來像碼頭工人內(nèi)特·利比。于是，斯蒂爾韋爾走進(jìn)阿特伍德酒吧，用手機(jī)錄下了他與利比和另一名男子杜安·馬基的對話。斯蒂爾韋爾問他們是否聽到了呼叫。
斯蒂爾韋爾似乎不確定。在他的報告中，他說他收到了其他提示，暗示那個甚高頻電話是由一個名叫亨特的人打的。但是第二天，一個捕蝦人打電話給斯蒂爾韋爾，他的船就像報道的遇險船一樣。他確信求救電話是他以前的斯特恩曼，在龍蝦船后面工作的船員：內(nèi)特·利比。
警報不僅僅是一個惡作劇電話。通過海事電臺廣播虛假求救信號違反了國際法規(guī)，在美國是聯(lián)邦D級重罪。海岸警衛(wèi)隊記錄了這些通話，時長約4分鐘，調(diào)查人員分離出四個WAV文件，捕捉到了嫌疑人20秒的聲音。
這四個音頻片段被發(fā)現(xiàn)是Nate Libby的，他是一名碼頭工人，后來承認(rèn)打了一個欺詐性的求救電話。（U.S. Coast Guard/美國海岸警衛(wèi)隊）
為了核實來電者的身份并解決明顯的犯罪問題，海岸警衛(wèi)隊的調(diào)查服務(wù)將文件通過電子郵件發(fā)送給了麗塔·辛格，她是卡內(nèi)基梅隆大學(xué)（Carnegie Mellon University）的計算機(jī)科學(xué)家，也是教科書《從聲音中描繪人類（Profiling Humans From Their Voice (Springer）》(Springer，2019年)的作者。
在一封通過聯(lián)邦信息自由法案請求獲得的電子郵件中，首席調(diào)查員寫道辛格，“我們目前正在緬因州處理一個可能的搜救騙局，我們想知道你是否可以將MP3文件中的聲音與WAV文件中打無線電電話的聲音進(jìn)行比較？”她同意分析錄音。
從歷史上看，這種分析——或者更確切地說，這種技術(shù)的早期版本——在法庭上名聲不佳�，F(xiàn)在，由于計算技術(shù)的進(jìn)步，這項技術(shù)又回來了。事實上，法醫(yī)科學(xué)家希望有一天能從錄音中收集到和DNA一樣多的信息。
我們知道你是誰
將語音轉(zhuǎn)換成文本的自動語音識別方法適用執(zhí)行說話人識別的更復(fù)雜任務(wù)，一些從業(yè)者稱之為聲紋。
我們的聲音有很多獨(dú)特之處。“作為一種標(biāo)識符，”辛格最近寫道，“聲音有可能像DNA和指紋一樣獨(dú)一無二。作為描述符，聲音比DNA或指紋更能揭示問題。”因此，有許多理由對其在刑事法律系統(tǒng)中的使用感到關(guān)切。
2020年美國政府問責(zé)局的一份報告說，美國特勤局聲稱能夠在只有聲音的陣容中識別出一個未知的人，將未知聲音的錄音與已知說話人的錄音進(jìn)行比較，作為參考。根據(jù)2022年的一篇論文，中國法院有超過740項判決涉及聲紋。至少有八個國家的邊境管制機(jī)構(gòu)已經(jīng)使用語言分析來確定原籍，或LADO，來分析口音，以確定一個人的原籍國，并評估其庇護(hù)申請的合法性。
法醫(yī)科學(xué)家可能很快就能從一個人的聲音錄音中收集到比大多數(shù)物證更多的信息。
基于聲音的識別系統(tǒng)不同于老式的竊聽和監(jiān)視，它超越了對話的實質(zhì)，從聲音本身推斷出說話者的信息。甚至像在伊利諾伊州的麥當(dāng)勞汽車餐廳下單這樣簡單的事情也引發(fā)了未經(jīng)同意收集生物特征數(shù)據(jù)的法律問題。10月，德克薩斯州司法部長指控谷歌違反了該州的生物識別隱私法，稱Nest家庭自動化設(shè)備“在未經(jīng)同意的情況下記錄了朋友、孩子、祖父母和來訪的客人，然后無限期地存儲他們的聲紋�！绷硪豁椩V訟聲稱，摩根大通使用了一個名為Gatekeeper的Nuance系統(tǒng)，據(jù)稱該系統(tǒng)“收集并考慮電話背后的人的獨(dú)特聲紋”，以驗證其銀行客戶并檢測潛在的欺詐行為。
其他州和國家當(dāng)局允許公民使用他們的聲音來驗證他們的身份，從而獲得他們的稅務(wù)數(shù)據(jù)記錄和養(yǎng)老金信息。荷蘭代爾夫特理工大學(xué)研究偏見的研究員Wiebke Toussaint Hutiri說:“存在巨大的影子風(fēng)險，即任何說話人確認(rèn)技術(shù)都可能被轉(zhuǎn)化為說話人識別技術(shù)。”
深入觀察人類的聲音
Singh認(rèn)為，單獨(dú)的語音分析可以用來生成一個未知說話者的令人震驚的詳細(xì)描述。“如果你將我們今天擁有的強(qiáng)大的機(jī)器學(xué)習(xí)、深度學(xué)習(xí)技術(shù)與現(xiàn)有的所有信息融合在一起，并且做得正確，你就可以設(shè)計出非常強(qiáng)大的系統(tǒng)，可以真正深入地觀察人類的聲音，并獲取各種信息，”她說。
2014年，辛格首次回答了海岸警衛(wèi)隊打來的惡作劇電話。她分析了他們提供的錄音，并向該服務(wù)發(fā)送了幾個結(jié)論�！拔夷軌蚋嬖V他們這個人的年齡，身高，來自哪里，可能在打電話的時候在哪里，大概在什么樣的地區(qū)，以及關(guān)于這個人的一系列事情�！彼钡胶髞聿胖肋@些信息顯然有助于破案。辛格說，從那時起，她和該機(jī)構(gòu)就有了一個“心照不宣的約定”
2020年12月16日，在收到相關(guān)音頻文件大約兩周后，辛格通過電子郵件向調(diào)查人員發(fā)送了一份報告，解釋了她如何使用計算算法來比較錄音�！懊總�記錄都被完整地研究，所有的結(jié)論都是基于從完整的信號中獲得的定量測量，”她說。Singh寫道，她在人工將Stillwell在他的現(xiàn)場采訪中記錄的兩個聲音標(biāo)記為US410和US411: Person1和Person2后，進(jìn)行了自動分析。然后，她使用算法將未知的聲音——緊急頻道上播放的四個短脈沖——與兩個已知的說話者進(jìn)行比較。
法醫(yī)說話人比較主要是調(diào)查....這不是那種會讓人終身監(jiān)禁的事情。
辛格得出了緬因州許多其他人的結(jié)論：五月天四段錄音中的未知聲音來自第一人稱的同一個人，他在US410中自稱為內(nèi)特·利比。辛格提交報告的當(dāng)天下午5點(diǎn)剛過，斯蒂爾韋爾就收到了消息。正如他在通過記錄請求獲得的事件報告中所寫的那樣“求救電話的錄音和對利比的采訪是吻合的�！蓖ㄟ^將一個未知說話者的聲音與兩個可能的嫌疑人進(jìn)行比較，調(diào)查人員顯然已經(jīng)證實了五月天呼叫者的身份是第一個人——內(nèi)特·利比。
根據(jù)Mara Mills和Xiaochang Li的說法，“聲音指紋”一詞至少可以追溯到1911年。米爾斯說，這項技術(shù)總是與刑事鑒定密不可分。聲音指紋是為了對人進(jìn)行起訴而識別他們的身份。
假裝預(yù)測你已經(jīng)知道的事情
聲紋亮相后引發(fā)了一系列研究，很快就使其名譽(yù)掃地。正如2016年《法律和生物科學(xué)雜志》上的一篇論文所言:“1979年，美國國家科學(xué)院對聲紋發(fā)表了贊美之詞，此后，聯(lián)邦調(diào)查局不再提供這樣的專家...這門學(xué)科開始走下坡路�！痹�1994年的一項裁決中，伊利諾伊州北區(qū)的美國地區(qū)法官米爾頓·沙杜爾(Milton Shadur)批評了這種技術(shù)，將一對一的比較比作一種紙牌魔術(shù)，即“魔術(shù)師強(qiáng)迫從觀眾中選出的人拿出魔術(shù)師想要他選擇的牌，然后魔術(shù)師聲稱可以‘占卜’這個人選擇的牌。”
在美國國家標(biāo)準(zhǔn)與技術(shù)研究所下屬委員會工作的語音識別專家詹姆斯·l·韋曼說，令人驚訝的是，這個老術(shù)語又重新流行起來了。他說，盡管機(jī)器學(xué)習(xí)最近取得了進(jìn)展，但政府檢察官在讓證詞被接受以及說服法官允許專家在陪審團(tuán)面前就該技術(shù)作證方面仍面臨重大挑戰(zhàn)。“聯(lián)邦調(diào)查局經(jīng)常作證反對案件中聲音證據(jù)的可采性，這是一個非常有趣的問題�！表f曼建議辯護(hù)律師可以大鬧一場，詢問為什么調(diào)查人員依賴學(xué)術(shù)實驗室，而不是聯(lián)邦調(diào)查局的審查人員。
海岸警衛(wèi)隊似乎意識到了這些潛在的障礙。2021年1月，首席調(diào)查員寫道辛格:“我們正在處理我們的刑事投訴，律師們想知道我們是否可以獲得你的簡歷，以及你是否曾在法庭上作為專家證人作證。”辛格回答說，她參與的所有案件都在庭外解決了。
六個月后，2021年6月3日，利比認(rèn)罪，避免了任何法庭上對辛格的語音分析的對抗。(法官說，這場惡作劇似乎是為了報復(fù)一位因利比吸毒而將其解雇的雇主。Libby被判服刑，三年監(jiān)督釋放，并支付17.500美元的賠償。但由于辯訴交易系統(tǒng)的不透明性，很難說語音分析在利比的決定中發(fā)揮了多大的作用：他的公共辯護(hù)人拒絕置評，利比本人也無法聯(lián)系上。
盡管如此，結(jié)果反映了實踐：法庭說話人使用主要是調(diào)查性的。“人們確實試圖在法庭上使用它作為證據(jù)，但這不是那種會讓人終身監(jiān)禁的事情，”米爾斯說。"即使有了機(jī)器學(xué)習(xí)，這種確定性也不可能用聲紋來實現(xiàn)."
此外，任何技術(shù)限制都因缺乏標(biāo)準(zhǔn)而加劇。Wayman認(rèn)為，不可控的變量太多了，分析師在比較不同環(huán)境下制作并壓縮成不同格式的音頻時，必須應(yīng)對所謂的通道效應(yīng)。在緬因州五月天騙局的情況下，調(diào)查人員沒有利比的錄音，因為他會在緊急廣播頻道播出，并以WAV格式錄制。
先開槍，再畫目標(biāo)
在1966年洛杉磯的一次審判中，貝爾實驗室的工程師勞倫斯·克斯塔作證說，這些帶注釋的光譜圖可以識別犯罪嫌疑人的聲紋。嫌疑人被定罪，但定罪后來被推翻，評論家廣泛譴責(zé)聲紋。Ralph Vander slice/教育服務(wù)研究所
代爾夫特大學(xué)的胡蒂里認(rèn)為，任何偏見都可能不是這項技術(shù)所固有的；相反，這項技術(shù)可能會強(qiáng)化刑事司法系統(tǒng)的系統(tǒng)性偏見。
在分析之前，無論是誰在模板記錄中手動標(biāo)記說話者的身份，都可能引入這樣一種偏差。這只是反映了這樣一個事實，即審查員正在應(yīng)用收到的關(guān)于嫌疑人的信息。這種揭露可能會導(dǎo)致法醫(yī)專家所謂的神槍手謬誤:有人在谷倉的一側(cè)發(fā)射了一顆子彈，然后在彈孔周圍畫了一個圈，以表明他們擊中了目標(biāo)。
辛格沒有從一個身份不明的聲音建立個人資料。她用計算算法在主要嫌疑人周圍畫了另一個圈，證實了執(zhí)法部門和幾個主要人員已經(jīng)懷疑的事情:惡作劇電話的聲音屬于利比。
的確，利比的認(rèn)罪表明他確實有罪。他的供詞反過來表明，辛格正確地驗證了求救電話中說話者的聲音。但是這個案例沒有被發(fā)表，沒有被同行評議，也沒有被復(fù)制。沒有與識別相關(guān)的錯誤率的估計——結(jié)論不準(zhǔn)確的概率。這是一個相當(dāng)大的弱點(diǎn)。
隨著深度神經(jīng)網(wǎng)絡(luò)發(fā)揮越來越大的作用，這些差距可能暗示著更大的問題。聯(lián)邦證據(jù)標(biāo)準(zhǔn)要求專家解釋他們的方法，這是舊的建模技術(shù)可以做到的，但深度學(xué)習(xí)模型不能。“我們知道如何訓(xùn)練他們，對嗎？但我們不知道他們到底在做什么，”韋曼說�！斑@些是一些主要的法醫(yī)問題�！�
其他更基本的問題仍然沒有答案。一個人的聲音有多獨(dú)特？“聲音會隨著時間而改變，”米爾斯說。“你可能會失去幾個指紋，但你仍然有其他的；你的聲音受到任何損傷，你就會突然擁有一個完全不同的聲音�！绷硗猓藗兛梢杂�(xùn)練他們的聲音。在deepfakes和語音克隆文本到語音技術(shù)的時代，如Overdub和VALL-E，計算機(jī)可以識別誰在冒充誰嗎？
最重要的是，被告有權(quán)與原告對質(zhì)，但所謂的機(jī)器證詞可能僅僅基于20秒鐘的錄音帶。這足以證明有罪了嗎？法院尚未做出裁決。
辛格有時會吹噓說，她的團(tuán)隊是第一個展示現(xiàn)場聲音分析系統(tǒng)的團(tuán)隊，也是第一個從一幅肖像(17世紀(jì)荷蘭畫家倫勃朗的肖像)中重現(xiàn)聲音的團(tuán)隊。當(dāng)然，這種說法是不能被證偽的。此外，盡管普遍持懷疑態(tài)度，辛格仍然認(rèn)為從幾個句子，甚至一個短語來描述一個人是可能的。
“有時候，”她說，“一個詞就夠了�！钡�，法院可能不會同意。（剪報來源：https://spectrum.ieee.org/digital-forensics）
|
