[[258822]]

【51CTO.com快譯】語音輔助技術極受歡迎，已有25億個此類設備投入使用，到2023年預計會增至三倍，達到80億個。盡管主流語音輔助技術存在隱私和安全漏洞，但這種增長似乎勢不可擋。

其中一個是“開窗”漏洞：比如說，不懷好意的人路過敞開的窗戶，喊道“嘿，開門!”，就能進入房子。研究人員還發(fā)現(xiàn)Alexa和谷歌語音助理有成千上萬個誤報性喚醒詞，這種潛在的攻擊途徑便于注入惡意命令。一些人提到了通過電視注入亞音速命令的風險。亞馬遜已經(jīng)在操縱頻率，以免Alexa在商業(yè)廣告中激活。另外與任何聯(lián)網(wǎng)計算機設備一樣，還存在后門及其他常見漏洞這種可能。

確保隱私和安全的開源技術

像Mycroft AI的開源語音助理有意為安全和隱私提供了一條途徑。本質上，開源軟件鼓勵對代碼進行審查以便曝光漏洞。

我工作的公司Mycroft推崇這個概念：語音輔助技術可以很安全。我們有一套流程來處理披露的常見漏洞(CVE)。作為一種開發(fā)工具，我們高度依賴SSH之類的系統(tǒng)，并始終鼓勵更改設備的默認密碼，包括設置向導中的密碼。我們還將意圖解析、技能和文本到語音轉換(TTS)等功能移到設備端，其他大公司可在云端執(zhí)行此操作。對于技術嫻熟的家庭用戶來說，我們很快會發(fā)布必要的組件，以便在防火墻后面運行整個體驗。我們希望用戶對軟件擁有盡可能大的控制權。

聲紋使人工智能能夠通過聲音來區(qū)分人，讓用戶能夠為特定的人員分配鎖定、購買及其他敏感功能方面的權限，以此緩解“開窗”和誤報性喚醒詞漏洞。這些都可以輔以使用一次性口語密碼的雙因子身份驗證或更深入的語音生物特征識別技術。谷歌和亞馬遜已經(jīng)在其助理中部署了某種聲紋，我們正與在該領域大有前途的一些公司建立聯(lián)系。喚醒詞識別方面的改進將限制可用誤報性喚醒詞的列表。在設計合理的反饋回路中，誤報不太可能奏效，因為它用Mycroft的Precise標記工具的技術就能標記出來。

開源創(chuàng)新

在過去，鼓勵實驗的方式是借助開源。真正的創(chuàng)新是這樣發(fā)展起來的，新技術也是這樣建立起來的。

我們讓創(chuàng)新者有機會用較少的字符串來嘗試語音助理技術。開源使軟件成為社區(qū)的共同工作。比如說，Mycroft有數(shù)千名開發(fā)人員提供反饋、開發(fā)新功能以及為核心軟件做貢獻，而不是由數(shù)名技術成員組成的16人團隊?；谖覀兊脑S可模式，創(chuàng)新者可以輕松從新的、非常出色的實現(xiàn)當中建立起業(yè)務。

更深層次地說，開放意味著這項技術可以完全代表用戶，而不僅僅是代表提供它的公司。語音助理能夠改變人們與所有技術交互的方式。語音將以尚未想到的方式改變家庭、辦公室、移動設備和公共場所。

我們希望人們提出的問題是：“我希望這項技術完全符合我的利益，還是符合零售商或搜索和數(shù)據(jù)公司的利益?”我們認為大多數(shù)人會選擇前者。我們知道，僅有的方法就是確保開放、透明、社區(qū)驅動。

語音助理的功能

Mycroft與其他語音助理做同樣的事情，但做法不同。大多數(shù)語音助理的語音系統(tǒng)使用設備端的喚醒詞識別，然后將交互的剩余部分發(fā)送到云端來處理，將響應發(fā)回給說話人。

Mycroft將其中大部分環(huán)節(jié)移到運行軟件的設備上。我們使用設備端的喚醒詞識別來監(jiān)聽命令。檢測到喚醒詞后，記錄該命令并將其發(fā)送到云端，進行語音到文本轉錄。一旦轉錄完畢，文本文件被發(fā)回到設備，自然語言處理、技能處理和語音合成在設備端執(zhí)行。

技能為Mycroft賦予了能力。我們一直在將來自內部團隊和社區(qū)的技能穩(wěn)步添加到新的Mycroft技能市場。Mycroft可以控制多個音樂源，連接到眾多物聯(lián)網(wǎng)平臺，從維基百科和Wolfram|Alpha等12個來源獲取一般信息，玩游戲，擲骰子，講故事，以及運行速度測試等。

我們將Mycroft模塊化，因此用戶可以輕松更換組件。比如說，我們目前提供兩個喚醒詞和三種聲音，會支持更多種聲音，但Mycroft還可以從任何提供商(云或本地)運行自定義的喚醒詞和TTS聲音。

原文標題：Securing privacy with Mycroft, an Open AI voice assistant，作者：Eric Jurgeson

【51CTO譯稿，合作站點轉載請注明原文譯者和出處為51CTO.com】