Un recente studio di ricerca condotto dall'Università dell'Alabama presso il Dipartimento di Informatica di Birmingham ha studiato le basi neurali della sicurezza vocale, e analizzato le differenze nelle attività neurali quando gli utenti elaborano diversi tipi di voci, comprese le voci trasformate.

I risultati? Non piacevole all'orecchio. O il cervello.

Lo studio ha mostrato che potrebbero non esserci differenze statisticamente significative nel modo in cui il cervello umano elabora gli altoparlanti legittimi originali rispetto agli altoparlanti sintetizzati, mentre chiare differenze sono visibili quando si incontrano persone legittime rispetto a diversi altri oratori umani, il che significa che gli esseri umani sono vulnerabili agli attacchi di imitazione vocale.

"Il nostro studio suggerisce che gli utenti umani potrebbero essere vulnerabili agli attacchi di morphing vocale a un livello fondamentale poiché il loro cervello non sembra reagire in modo diverso alle voci originali rispetto a quelle modificate, " disse Nitesh Saxena, dottorato di ricerca, ricercatore capo dello studio, un professore nel Dipartimento di Informatica dell'UAB e il direttore dello SPIES Lab dell'UAB. "Riteniamo che questo sia un risultato significativo in quanto potrebbe suggerire che le persone, e il loro cervello, potrebbero non essere in grado di distinguere le voci vere e false".

Qual è la voce di Oprah Winfrey? WBHM mette alla prova le tue orecchie e il tuo cervello.

I ricercatori hanno esaminato come le informazioni, presente nei segnali neurali catturati da una modalità di neuroimaging all'avanguardia chiamata spettroscopia funzionale del vicino infrarosso, o fNIRS, può essere utilizzato per spiegare la suscettibilità degli utenti agli attacchi di imitazione vocale utilizzando voci sintetizzate.

Lo studio ha analizzato le differenze nelle attività neurali quando i partecipanti ascoltavano la voce originale e la voce trasformata di un oratore. Le voci trasformate sono state prodotte utilizzando uno strumento di sintesi vocale pubblicamente disponibile chiamato CMU Festvox. I ricercatori affermano di non aver visto differenze statisticamente significative nelle attivazioni nelle aree cerebrali che sono state riportate in precedenti studi di rilevamento reale rispetto a quello falso, come siti Web reali contro falsi (sotto attacchi di phishing) e dipinti reali contro falsi.

Contrasto 1:altoparlante originale contro voce trasformata

Questa analisi ha fornito una comprensione di come la voce dell'oratore originale e la voce dell'oratore trasformato sono percepite dal cervello umano. I ricercatori hanno raccolto quattro relatori vittime che sono stati tutti familiarizzati con i partecipanti durante l'esperimento.

In questa porzione, i ricercatori hanno esaminato le attività neurali quando i partecipanti ascoltavano tutti gli oratori originali e tutti gli oratori trasformati.

Contrasto 2:altoparlante originale contro altoparlante diverso

Il secondo contrasto è stato confrontato con le metriche neurali quando i partecipanti ascoltavano la voce di un oratore originale rispetto alla voce di un oratore diverso. I ricercatori hanno ipotizzato che gli oratori originali, poiché sono stati familiarizzati con i partecipanti, produrranno attivazioni neurali diverse da quelle dei diversi oratori.

Approfondimenti chiave

I partecipanti allo studio hanno mostrato una maggiore attivazione nelle aree associate al processo decisionale, memoria di lavoro, richiamo della memoria e fiducia nel decidere sulla legittimità delle voci dei parlanti rispetto alle prove di riposo (dove non erano impegnati in alcun compito) come riferimento.

Globale, i risultati hanno mostrato che gli utenti stavano sicuramente facendo uno sforzo considerevole nel prendere decisioni reali rispetto a quelle false, come dimostrato dalla loro attività cerebrale in regioni correlate con l'elaborazione cognitiva di ordine superiore. Sebbene ci fossero differenze neurali nel modo in cui il cervello dei partecipanti elaborava le voci originali rispetto a quelle dei diversi oratori, non sono state trovate differenze nel modo in cui il cervello dei partecipanti elaborava le voci originali rispetto a quelle trasformate.

I risultati comportamentali hanno anche suggerito che gli utenti non stavano andando bene nell'identificare le voci originali e trasformate.

"Ciò renderebbe gli utenti di tutti i giorni molto inclini a diverse forme di truffe che potrebbero sfruttare i progressi attuali e futuri nella sintesi vocale, " Disse Saxena. "Per esempio, qualcuno può lasciarti un messaggio vocale spacciandosi per tua madre, e tu non sapresti dirlo. Sul lato positivo, il nostro studio suggerisce anche che gli attuali strumenti di sintesi vocale potrebbero essere pronti a servire coloro che hanno perso la voce, poiché gli ascoltatori potrebbero non essere in grado di percepire la differenza tra la voce effettiva di un oratore rispetto alla voce sintetizzata".