聲掩蔽技術(shù)淺析

【摘 要】 保密會議室等重要場所圍護結(jié)構(gòu)的缺陷會導致聲音泄漏隱患。聲掩蔽技術(shù)通過產(chǎn)生特定的聲音，對泄漏的語音進行干擾，是保障聲音信息安全的重要手段。本文從關(guān)鍵技術(shù)及評價方法等方面對聲掩蔽技術(shù)進行了分析，指出目前存在的問題，并對未來發(fā)展提出了建議，為聲掩蔽系統(tǒng)的研發(fā)、測試、使用及維護提供參考。

【關(guān)鍵詞】 聲掩蔽?聲音泄漏?聲音信息安全

1 引言

隨著信息技術(shù)的發(fā)展，利用高靈敏度拾音器、拾振器等技術(shù)手段及高效的語音復原方法，竊聽者能夠在室外以非入侵方式竊取室內(nèi)的語音，給這些場所的聲音信息安全帶來嚴峻挑戰(zhàn)。

根據(jù)門、窗、墻體、管道等建筑圍護結(jié)構(gòu)和設(shè)施的聲學特性，室內(nèi)語音可經(jīng)由空氣傳聲和固體振動傳聲等渠道泄漏至室外，泄漏程度與室內(nèi)聲源聲壓及其聲場分布、圍護結(jié)構(gòu)隔聲、室外噪聲水平、安全距離等因素有關(guān)。對聲音信息泄漏的防護可分為2種途徑：一種是屏蔽，即采用吸聲、隔聲、減振等措施將室內(nèi)聲音阻擋在場所邊界內(nèi)或使泄漏的聲音充分衰減，但需要對建筑圍護結(jié)構(gòu)和內(nèi)部管道等設(shè)施進行改造，成本高昂，維護升級困難，靈活性差；另一種是干擾，即向聲音泄漏路徑或竊聽風險位置施加其他聲音，以干擾接收者對泄漏語音的理解和恢復，這一技術(shù)稱為聲掩蔽（sound masking）。該方法可以彌補場所的聲學缺陷，具有使用靈活、成本低、可重用等優(yōu)點，成為保障聲音信息安全的重要技術(shù)手段。

2 聲掩蔽技術(shù)現(xiàn)狀

聲掩蔽技術(shù)是基于人耳的聽覺掩蔽效應提出的，即一個聲音的存在使另一個聲音的聽覺閾值提高而不易被聽到的現(xiàn)象。利用掩蔽效應，通過向目標區(qū)域施加特定的掩蔽聲，可以掩蓋和干擾泄漏的語音，保護語音信息的安全。按照防范對象，聲掩蔽技術(shù)可分為2種應用領(lǐng)域：一種是針對無意聽者的語音隱私保護，常見于開放式辦公室、醫(yī)院、銀行、話務中心等人員密集但隔聲不佳的場所，其目的在于避免談話被他人聽到或?qū)λ�人造成干擾；另一種是針對惡意聽者的語音信息保護，常用于產(chǎn)生敏感語音信息的場所。二者在應用場景及技術(shù)路線上有很大不同。隱私保護主要針對空氣渠道泄漏的聲音和無意收聽，通常只需使用噪聲、流水聲、音樂等較為舒緩的聲音作為掩蔽聲，以提高背景聲壓水平，技術(shù)上主要關(guān)注掩蔽效果和舒適性。而信息保護用途針對的是潛在的惡意竊聽者，其可能使用各種先進的拾音、拾振裝置及語音復原技術(shù)進行竊聽，因而對掩蔽聲的掩蔽能力有更高的要求；除了對空氣聲泄漏的防護，還需防范振動聲泄漏隱患；同時，聲掩蔽系統(tǒng)的防破解、防破壞等安全問題也需要考慮。

國際上對聲掩蔽技術(shù)的研究起步較早，美國、澳大利亞和歐洲一些國家都研制出了較為成熟的聲掩蔽產(chǎn)品。國外也出臺了相關(guān)標準規(guī)范，如美國情報部門在2002年制定了專門規(guī)范，對敏感信息隔離設(shè)施的隔聲及聲掩蔽等聲學防護措施提出了要求；美國軍方也頒布了相關(guān)標準對軍用敏感信息隔離設(shè)施提出了聲音防護要求。國外研制的聲掩蔽產(chǎn)品眾多，但可獲得的技術(shù)資料和產(chǎn)品大多針對隱私保護等普通應用，且漢語與英語有較大區(qū)別，國外技術(shù)未必適合漢語特征。因此，研發(fā)安全可控的聲掩蔽技術(shù)和產(chǎn)品勢在必行。我國的聲掩蔽技術(shù)、產(chǎn)品和規(guī)范目前尚不完善，聲掩蔽系統(tǒng)的有效性和安全性尚有待驗證。

3 聲掩蔽系統(tǒng)的關(guān)鍵技術(shù)

典型的聲掩蔽系統(tǒng)通常由掩蔽聲發(fā)生器和輸出終端組成。其中，掩蔽聲發(fā)生器產(chǎn)生掩蔽信號，并對其強度和頻譜等特征進行調(diào)節(jié)；輸出終端通過揚聲器或激振器等換能裝置將掩蔽聲的電信號轉(zhuǎn)換為空氣聲或振動聲信號。以下對聲掩蔽系統(tǒng)的關(guān)鍵技術(shù)進行分析。

3.1 掩蔽聲源的設(shè)計

足夠強的掩蔽聲可以掩蓋泄漏的語音，但同時會對附近人員產(chǎn)生干擾，影響其聽覺舒適度。因此，掩蔽聲的掩蔽效果和舒適性通常是矛盾的。掩蔽聲源的設(shè)計目標是設(shè)計高效、舒適的掩蔽信號，以更小的掩蔽強度達到更優(yōu)的掩蔽效果。常見的掩蔽聲源可以歸納為以下3類。

3.1.1噪聲

噪聲是自然界中最常見的干擾聲源，因此常用作掩蔽聲，如白噪聲、粉噪聲、空調(diào)噪聲、群口噪聲（多人同時說話的噪聲，也稱babble噪聲）等。但噪聲與被掩蔽語音的相關(guān)性低，掩蔽效率不高。對常見噪聲掩蔽能力的實驗表明，語音信號與掩蔽聲的功率比（信掩比）在-15dB以下時，被掩蔽的語音基本不可懂，0dB以上基本完全可懂，在-10~0dB時掩蔽效果與掩蔽聲源關(guān)系密切，常見噪聲中babble噪聲最優(yōu)、粉噪聲次之、白噪聲最差。這是因為babble噪聲由多人語音構(gòu)成，與目標語音具備一定的相似性，同其他噪聲相比有更好的掩蔽能力。例如，信掩比在-12dB時babble噪聲可使單詞可懂度下降到10%左右，而相同條件下的空調(diào)噪聲掩蔽后的單詞可懂度接近60%。但babble噪聲隨時間波動更劇烈，且包含可被理解的語義信息，因此，同白噪聲等平穩(wěn)噪聲相比，相同聲壓下的舒適性較差。

3.1.2自然聲

自然界產(chǎn)生的聲音（如瀑布、降雨、溪流、鳥鳴、風聲等）通常具有很好的聽覺舒適度，對人的消極影響小，因此常用于聲景觀和聲掩蔽系統(tǒng)中。與噪聲相同，自然聲也存在掩蔽能力不足的缺陷。實驗表明，在各種自然聲中流水聲表現(xiàn)出較高的掩蔽效率和舒適性。

3.1.3類語音

聲音的掩蔽效應可以分為能量掩蔽和信息掩蔽，前者通過掩蔽聲在時間和頻率上的能量重疊對目標語音形成干擾，而后者產(chǎn)生的機理尚不十分明確，通常被認為是掩蔽聲提高了聽覺中樞系統(tǒng)的加工負荷，使其處理目標語音時資源不足。同能量掩蔽相比，信息掩蔽利用了人腦更深層次的信息處理機制，可能以更低的能量實現(xiàn)更高效的掩蔽。研究表明，提高掩蔽聲和目標語音的相似性是產(chǎn)生信息掩蔽的可能途徑，特別是認知、語義等特征上的相似性會極大提高聽者的區(qū)分難度。

類語音（speech-like noise）是一種具備語音特征但又沒有明確語義的聲音信號，即聽上去有人說話但又不知所云。類語音在心理聲學特征上與被掩蔽語音接近，因此掩蔽效率比噪聲和自然聲更高。同時，語義的缺失使其對周圍人注意力的影響減小，有利于改善掩蔽聲的舒適性。一種實現(xiàn)策略是通過目標語音來構(gòu)建掩蔽聲，以獲得二者最佳的相似性。例如，將實時采集的目標語音分段并逐段進行時間反轉(zhuǎn)可破壞其語義信息但保留其聲學特征，因而成為構(gòu)造類語音掩蔽聲的一種有效方法，即時間反轉(zhuǎn)法。研究表明，與空調(diào)噪聲、babble噪聲等掩蔽聲源相比，時間反轉(zhuǎn)類語音具有最強的掩蔽能力，在-12dB信掩比下句子可懂度幾乎為0。但同babble噪聲類似，其舒適性不如平穩(wěn)噪聲和自然聲。此外，需要特別注意的是，盡管時間反轉(zhuǎn)類語音生成方法可以對幀長等參數(shù)進行保護，但其聲音信息完全來自目標語音，一旦反轉(zhuǎn)規(guī)則被破解將完全喪失掩蔽能力，因此設(shè)計中需要更充分地考慮算法的安全性。

除上述3類聲源外，音樂等類型的聲音也可用作掩蔽聲。不同類型的掩蔽聲源在掩蔽效率、舒適性及安全性方面各有不同，混合使用則有望取長補短。例如，可以用平穩(wěn)噪聲進行基礎(chǔ)的能量掩蔽，用類語音實現(xiàn)高效的信息掩蔽，用自然聲或音樂改善舒適性，同時復雜的掩蔽聲特征也提高了竊聽者還原目標語音的難度。但可用于掩蔽的聲源眾多，混合方式及各聲源的比例不勝枚舉，如何設(shè)計出更高效、更安全、更舒適的掩蔽聲仍需進一步研究。

3.2 掩蔽聲的調(diào)節(jié)

聲掩蔽系統(tǒng)的使用場景不同于傳統(tǒng)的擴聲系統(tǒng)，對聲源進行高保真的聲音重放不是主要目的。相反，若根據(jù)掩蔽聲源、目標語音及現(xiàn)場聲學環(huán)境的特征對掩蔽聲進行調(diào)節(jié)，則可能改善系統(tǒng)的性能。例如，針對噪聲、自然聲等作為掩蔽聲源與目標語音相似度不足的問題，可以通過濾波、均衡等處理使其具備與語音相近的頻譜，以提高掩蔽效率。更進一步地，由于建筑圍護結(jié)構(gòu)的隔聲在不同頻率處不同，泄漏的語音與室內(nèi)語音在頻譜上存在較大差異，若將目標語音與圍護結(jié)構(gòu)隔聲等特征作為掩蔽聲頻譜調(diào)節(jié)的依據(jù)，可產(chǎn)生更高效、更精細的掩蔽聲。針對類語音等掩蔽聲源與目標語音特征相似而舒適性不高的問題，向其中適當增加混響可以在保持掩蔽效果的同時提高舒適性。根據(jù)目標語音聲壓的變化自適應地調(diào)節(jié)掩蔽聲的聲壓，可以獲得更為穩(wěn)定的掩蔽效果。此外，對掩蔽聲源進行隨機處理可以擴大掩蔽聲的樣本空間，提高其被破解或預測的難度，增加系統(tǒng)的安全性。

3.3 掩蔽聲的輸出

針對需要防護的聲音泄漏渠道，掩蔽聲的輸出分為空氣聲和振動聲（或固體聲）2種類型。

3.3.1空氣聲掩蔽

由揚聲器作為輸出換能器，對經(jīng)由空氣傳播的聲音泄漏進行防護。傳統(tǒng)的以隱私保護為目的的聲掩蔽系統(tǒng)大多為此種類型，通常在圍護結(jié)構(gòu)周邊存在聲音泄漏隱患的空間內(nèi)使用，如走廊、吊頂、通風管道等，特別是走廊內(nèi)的門、窗等薄弱區(qū)域。揚聲器的部署位置和密度應綜合考慮掩蔽聲的空間衰減、揚聲器的指向性、背景噪聲水平、室內(nèi)聲源位置、聲音泄漏位置和泄漏程度等因素，使掩蔽聲的聲場分布與聲音泄漏的分布相匹配。

3.3.2振動聲掩蔽

由激振器作為輸出換能器，產(chǎn)生振動信號，對經(jīng)由固體振動傳播的聲音泄漏進行防護。室內(nèi)語音將導致墻體、門、窗、管道等固體結(jié)構(gòu)的微弱振動，由于固體中的聲波衰減慢、傳播距離遠，而人耳又不易察覺，故振動成為廣泛存在但又容易被忽視的聲音泄漏渠道，也是極易被利用的泄密隱患。例如，窗戶的振動可能被激光拾振器、指向性傳聲器等裝置在遠距離外探測到，墻體的振動可能被埋置的拾振器或光纖傳聲器采集，管道的振動可能被遠端的拾振器拾取。雖然空氣聲掩蔽裝置產(chǎn)生的聲音可以在圍護結(jié)構(gòu)上形成振動干擾，但實驗表明，正常聲壓下空氣聲掩蔽無法掩蓋泄漏的振動聲。因此，在窗戶、門、墻壁、管道壁等振動聲泄漏的高風險區(qū)域應施加振動聲掩蔽，并結(jié)合圍護結(jié)構(gòu)的構(gòu)造、室內(nèi)聲源分布、受控區(qū)域分布及安全距離等因素進行綜合部署。

4 聲掩蔽系統(tǒng)的評價

4.1 有效性

對同一種掩蔽聲源，其輸出功率越高，則掩蔽能力越強，但作為一種噪聲源對周圍人的影響也越大。因此，聲掩蔽系統(tǒng)的有效性可用功率約束條件下的掩蔽效果來評價，或稱為掩蔽效率。與用信噪比描述噪聲的相對功率類似，掩蔽聲的相對功率可用“信掩比”來描述，即被掩蔽語音信號與掩蔽聲的功率之比，并用二者聲壓級（對空氣聲）或加速度級（對振動聲）之差來測量和計算，也常稱作目標－掩蔽比（Target-to-Masker Ratio，TMR）。掩蔽效果則用掩蔽后的語音質(zhì)量、清晰度、可懂度等反映語音損傷程度的指標來評價，可以分為主觀與客觀2類。相同信掩比條件下，若掩蔽后的語音質(zhì)量越差、越難聽懂，則掩蔽效率越高。

4.1.1主觀評價

通過聽音實驗，由受試者對掩蔽后的語音進行主觀評價。常用方法包括以下2種。

（1）診斷押韻測試

國家標準GB/T 13504-2008提供了一種診斷押韻測試（Diagnostic Rhyme Test，DRT）方法，利用輔音對語音清晰度貢獻大、對噪聲敏感的特點，設(shè)計押韻的字表，由聽音人記錄聽到的字，并統(tǒng)計正確識別的比例。標準將DRT得分分為5個等級，其中得分小于65%時，音質(zhì)評價等級為不可接受。

（2）清晰度/可懂度測試

國家標準GB/T 15508-1995提供了一種語言清晰度測試（speech articulation test）方法，朗讀或播放一組意義不連貫的音節(jié)，統(tǒng)計聽音人正確記錄的比例。可懂度測試可采用類似的方法，將語料更換為有意義的詞或句，并統(tǒng)計聽懂的比例。標準給出了音節(jié)清晰度與單詞可懂度的統(tǒng)計關(guān)系，清晰度在40%以內(nèi)時，單詞可懂度近似等于音節(jié)清晰度的1.5倍。

4.1.2客觀評價

主觀實驗耗時耗力，現(xiàn)場測試時部分位置可能難以到達。因此，可以借助一些與主觀評價比較一致的客觀評價方法，以簡化測試過程。常用的客觀評價方法主要有以下4種。

（1）清晰度指數(shù)

清晰度指數(shù)（Articulation Index，AI）由國家標準GB/T 15485-1995推薦，依據(jù)語音的各個頻帶對清晰度的貢獻不同，測量各頻帶的信噪比并加權(quán)平均，得到0~1之間的AI值。標準還給出了AI與音節(jié)清晰度、單詞可懂度和單句可懂度之間的統(tǒng)計關(guān)系。若要求單詞可懂度不超過20%，則AI一般應不超過0.05，AI在該范圍內(nèi)近似等于單句可懂度。AI已被澳大利亞等國家采納為語音私密度的評價標準，具備私密性的AI通常也不超過0.05。美國材料與試驗協(xié)會標準ASTM E1130-16也提供了一種基于AI的開放空間內(nèi)語音私密度的客觀測量方法，支持對聲掩蔽效果的評價。

（2）語音可懂度指數(shù)

語音可懂度指數(shù)（Speech Intelligibility Index，SII）在AI的基礎(chǔ)上得到改進，并納入美國標準ANSI S3.5-1997，取值也為0~1。具備私密性的SII通常不超過0.1。

（3）語音傳輸指數(shù)

語音傳輸指數(shù)（Speech Transmission Index, STI）是國家標準GB/T 12060.16-2017推薦的可懂度客觀評價方法，能夠反映包括噪聲、混響、非線性失真及擴聲系統(tǒng)在內(nèi)的語音傳輸通道上各種干擾因素對可懂度的影響，取值范圍0~1，最差等級為STI<0.36。具備私密性的STI一般不超過0.1。但該方法對起伏噪聲敏感，對于類語音等具備波動性的非平穩(wěn)掩蔽聲，評價效果并不理想。

（4）語音質(zhì)量感知評價

語音質(zhì)量感知評價（Perceptual Evaluation of Speech Quality，PESQ）是國際電信聯(lián)盟（ITU）建議的基于人類聽覺模型的語音質(zhì)量客觀評價算法。其主要過程是將原始語音與處理或失真后的語音經(jīng)過電平調(diào)整、濾波、時間對齊和聽覺變換，提取其失真參數(shù)并映射成反映主觀平均意見分（Mean Opinion Score，MOS）的客觀分值，范圍-0.5~4.5。MOS將語音質(zhì)量分為5級，最差等級分值為1。研究表明，PESQ<2.3時，句子可懂度<50%；PESQ<2.0時，句子可懂度<20%。但語音可懂度與語音質(zhì)量并不完全一致，特別是對低質(zhì)量語音，即低質(zhì)量并不一定意味著低可懂度。實驗發(fā)現(xiàn)，極低質(zhì)量的語音（如信噪比低于-5dB）PESQ得分與語音失真程度的關(guān)聯(lián)不再顯著。這是因為極低信噪比下語音被噪聲淹沒，PESQ算法對語音的分析和處理（如時間對齊）將出現(xiàn)較大誤差，導致結(jié)果的不確定性加劇。

表1 聲掩蔽有效性的評價指標

上述客觀指標主要針對較高質(zhì)量語音的評價進行設(shè)計，在評價聲掩蔽系統(tǒng)或語音私密性方面存在局限性或未經(jīng)驗證；同時，能否用于評價振動聲掩蔽的效果也有待研究。表1匯總了上述主、客觀評價指標，其中參考值為依據(jù)現(xiàn)有文獻給出的取值范圍。需要說明的是，公開文獻大多針對語音的隱私保護，并未考慮各種竊聽手段的威脅，而安全防護應用通常有更高的要求，故參考值僅用于排除可能的語音泄漏隱患，不能作為評價保密性的依據(jù)。同時，對低質(zhì)量語音的客觀評價結(jié)果通常不穩(wěn)定，可以允許一定的波動。

此外，美國材料與試驗協(xié)會標準ASTM E2638-10提供了一種封閉房間語音私密性的客觀測量方法，得到室外薄弱位置處的信噪比和語音隱私等級。但該標準只針對房間邊界外發(fā)生的有意或無意竊聽，不適用于借助電子或電聲設(shè)備進行的惡意竊聽。

4.2 安全性

聲掩蔽系統(tǒng)的安全性尚無明確界定，本文從聲掩蔽系統(tǒng)可能面臨的攻擊入手，對安全性進行分析。

4.2.1主動攻擊安全防護

主動攻擊通過對聲掩蔽系統(tǒng)的入侵或破壞使其失去防護能力，如篡改掩蔽聲源和系統(tǒng)設(shè)置、破壞或替換輸出終端等。針對此類攻擊，聲掩蔽系統(tǒng)應具備權(quán)限管理策略，并設(shè)計聲源、線路、終端等組件的異常監(jiān)測及報警功能。

4.2.2被動攻擊安全防護

被動攻擊指通過對聲音信號的采集和分析，從中去除或削弱掩蔽聲并修復目標語音。被動攻擊的手段多樣、隱蔽且不斷發(fā)展，要求聲掩蔽系統(tǒng)在設(shè)計和使用過程中應更加謹慎，建議遵循以下原則。

（1）掩蔽聲的產(chǎn)生應具備良好的隨機性和非周期性。

（2）不同的設(shè)備應避免使用相同的掩蔽聲源，并應經(jīng)常更換。

（3）掩蔽聲與目標語音的相關(guān)性應適度。二者特征越接近，越難被分離；但掩蔽聲的生成不應過度使用目標語音的特征，特別是與語義、聲紋等敏感信息相關(guān)的特征，以防止通過分析、破解掩蔽聲而實施的信息竊取。

4.3 舒適性

掩蔽聲的存在將對周圍的人產(chǎn)生干擾，導致聽覺舒適性降低。舒適性一般以人的主觀感受來評價，如滿意度、煩惱度、干擾度、侵入感、自然度、注意力集中度等。盡管在保密場合下，舒適性不是關(guān)注的重點，但良好的舒適性將提高參與者合理使用聲掩蔽系統(tǒng)的積極性。因此，聲掩蔽系統(tǒng)的設(shè)計和部署還應綜合考慮掩蔽效果和舒適性的平衡問題。一般來說，相同聲壓條件下，平緩的聲音比劇烈波動的聲音更舒適，如平穩(wěn)噪聲比babble噪聲舒適、流水聲比雷聲舒適；沒有語義或聽不懂的聲音比能聽懂的聲音更舒適，如類語音和外語通常比母語更不容易分散人的注意力；此外，通過控制室內(nèi)說話音量、設(shè)置安全距離、合理使用振動聲掩蔽等都可以減小所需的掩蔽聲聲壓，從而改善舒適性。

5 結(jié)語

在聲音信息泄漏途徑多而隱蔽、竊聽手段日益先進的形勢下，聲掩蔽技術(shù)的應用將是一項復雜的系統(tǒng)工程。如何設(shè)計高效、安全、舒適的聲掩蔽系統(tǒng)，以及如何準確、可靠地進行評價，都有待進一步研究。未來，隨著我國對聲音信息安全的日益重視和相關(guān)標準的出臺，聲掩蔽技術(shù)和產(chǎn)品將得到快速發(fā)展和廣泛應用。

（原載于《保密科學技術(shù)》雜志2023年3月刊）