编者按：本文来自微信大众号“大数据文摘”（ID：BigDataDigest），作者刘俊寰，36氪经授权发布。
想到能够运用AI进行欺诈的可不止一些草创公司，当下AI技能如此兴旺，换脸都能轻松完成，那声响呢？
说到这种变声技能，或许最早想到的是《名侦察柯南》中柯南运用的蝴蝶结变声器，柯南正是运用阿笠博士的这个创造把“熟睡的毛利小五郎”捧上了侦察界的神坛。
可是试想，假如有人把这项技能用于欺诈，是不是登时后背发凉？
据《华尔街日报》报导，本年3月份，有违法分子就运用了相似的AI技能，他们成功仿照了英国某动力公司在德国 母公司CEO的声响，欺诈了220,000欧元（约1,730,806人民币）。
网络违法专家称，这是黑客进犯中运用AI技能的一次不寻常事例。
三次电话，丢失22万欧元
案发时，该公司的CEO误以为他正在与他的老板，也便是德国 母公司的CEO通电话，老板要求他将资金汇给匈牙利供货商。据该公司的保险公司Euler Hermes Group SA称，来电者表明该恳求十分紧迫，要求行政人员在一小时内付款。
慕尼黑的金融服务公司Allianz SE旗下子公司Euler Hermes的欺诈专家Rüdiger Kirsch说，违法分子一共打了三次电话。220,000欧元搬运后，他们打电话说母公司现已搬运资金归还英国公司，然后他们在当天晚些时候进行了第三次电话会议，再次假充首席执行官，要求第2次付款。因为转账归还资金还没有到来，而第三次电话是来自奥地利的电话号码，行政部门开端置疑，没有付出第二笔金钱。
依据Kirsch先生的说法，转入匈牙利银行账户的资金随后搬运到墨西哥并分发到其他地方，查询人员没有发现任何嫌犯，并且，Euler Hermes承当了受害公司索赔的悉数金额，但没有处理要求追回触及AI违法丢失的索赔。
Kirsch先生以为，运用AI欺诈对公司来说是新的应战，传统网络安全工具无法发现欺骗性的声响，而黑客往往便是运用商业语音生成软件进行进犯。Kirsch先生用这种产品录制了自己的声响，并说仿制版别听起来很实在。
现在还不清楚进犯者是否运用机器人对受害者的问题作出反应。欧洲刑警安排欧洲网络违法中心战略负责人菲利普·阿曼说，假如他们这样做，法律当局查询或许会愈加困难。Kirsch先生说，警方对此案的查询现已完毕，欧洲刑警安排没有参加。
从语音转发到语音仿制，声响还有多少可信度？
其实，法律当局和AI专家早有预言，违法分子将运用AI进行自动化网络进犯。无论是谁策划了这一事情，他们都现已运用AI软件成功地经过电话仿照了德国高管的声响。
尽管有欧洲官员表明，这是他们榜首次听说在欧洲发作AI变声语音欺诈，并且违法分子显着依靠于AI变声技能，但这远非榜首起运用语音进行欺诈的案子，在国内，变声技能早已被用于网络欺诈中，人民网微博最早在上一年八月就发布了运用微信语音欺诈的案子音讯。
违法分子运用的是一种名叫“增强版微信”的软件，这种“增强版微信”具有能够转发语音音讯、克隆老友朋友圈、看到对方撤回的音讯等功用。
据称，这些功用都是服务于一些“特别用户”的，比方自定义方位，就能让客户在国内完成海外“云休假”，或许让一些商家伪装自己是“海外代购”等。
脱离微信而言，运用声响组成技能也现已完成了语音仿制。
上一年，三名蒙特利尔大学博士联合兴办的名为“琴鸟”（Lyrebird）的公司开发出了一种“语音组成”技能，只要对方针人物的声响进行1分钟的录音，丢给“Lyrebird”处理，就能得到一个特别的密钥，运用这个密钥能够生成方针人物任何想说的话。
“琴鸟”（Lyrebird）不仅能运用语音仿照演算仿照出任何人的声响，还能在声响中参加“爱情”元素，让声响听上去更为传神。
上一年Black Hat大会上也展现了一种声响模仿技能，这项技能是经过获取或人长期的录音，拼接其声响片段完成模仿。阿曼先生表明，尽管很难猜测运用AI的网络进犯是否会很快上升，但假如AI技能能够让黑客进犯更成功或更有利可图，他们会更倾向于运用该技能。
根据神经网络和机器学习的AI变声技能
不管是成功欺诈欧洲公司的黑客们运用的技能，仍是加拿大的“琴鸟”（Lyrebird），它们终究都能得到高复原度的组成声响，在这背面依靠的技能正是神经网络（Neural Network）和机器学习（Machine Learning）。
神经网络经过模仿电信号在人脑神经元之间的传递进程，对输入数据进行处理，一起运用分层的神经元，从很多样本数据中总结出一起特征。
榜首个用神经网络生成人类天然语音的，便是Google的DeepMind研讨实验室发布的WaveNet。
接下来就以WaveNet为例，简略介绍一下AI是怎么经过神经网络和机器学习来组成语音的。
论文链接：
https://arxiv.org/abs/1609.03499
WaveNet是根据PixelCNN的音频生成模型，在这个生成模型中，每个音频样本都以从前的音频样本为条件。条件概率用一组卷积层来建模。这个网络没有池化层，模型的输出与输入具有相同的时刻维数。
在模型架构中运用暂时卷积能够保证模型不会违背数据建模的次序。在该模型中，每个猜测语音样本被反应到网络上用来协助猜测下一个语音样本，因为暂时卷积没有周期性衔接，因而它们比RNN练习地更快。
运用暂时卷积的首要应战之一是需求很多层来添加感触野，为了处理这一难题，作者运用了加宽的卷积，加宽的卷积使只要几层的网络能有更大的感触野。模型运用了Softmax散布对各个音频样本的条件散布建模。
这个模型在多人情形的语音生成、文本到语音的转化、音乐音频建模等方面进行了点评。测验中运用的是均匀定见评分(MOS)，MOS能够评测声响的质量，本质上便是一个人对声响质量的点评相同。它有1到5之间的数字，其间5表明质量最好。
相关检测技能正在研讨中
联合国区域间违法与司法研讨所人工智能与机器人中心主任Irakli Beridze表明，将机器学习技能应用于欺骗性声响使网络违法变得愈加简单。
联合国中心正在研讨检测虚伪视频的技能，Beridze先生称这关于黑客来说或许是一个更有用的工具。“幻想一下，以CEO的声响进行视频通话，这是您了解的面部表情，这样的话你底子不会有任何疑虑。”他说。
推特上有网友对此也宣布了观点，以为能够运用AI技能破除AI难关，或许这会成为未来处理相似问题的首要方法之一。
在百度上输入“语音欺诈”、“辨认”等关键词，能够看到百度经历的相关帖子，尽管这些“经历”都现已适当古早，但能看出我们与这类欺诈的对立已然是适当耐久。
不管怎样，期望相关的辨认技能能提前研讨出来。
不知道我们有没有遇到过相似的语音欺诈事情？确实的遇到这类事情应该怎么应对最好呢？欢迎我们留言评论。
相关报导：
https:///articles/fraudsters-use-ai-to-mimic-ceos-voice-in-unusual-cybercrime-case-11567157402
