Un semplice cambio di intonazione non è sufficiente per mascherare una voce, poiché un avversario potrebbe semplicemente rimandare indietro l'audio per recuperare l'audio originale.

La maggior parte dei modulatori di voce utilizza un vocoder, non un semplice cambio di intonazione. Il termine "vocoder" è purtroppo piuttosto sovraccarico in questi giorni, quindi per chiarire intendo il tipo più generalmente utilizzato nella musica, piuttosto che un vocoder di fase, un remapper del tono o un codec vocale.

Il modo in cui questo funziona come segue:

1. L'audio in ingresso della voce (chiamato segnale di modulazione) viene suddiviso in intervalli di tempo e il suo contenuto spettrale viene analizzato. In DSP questo viene solitamente implementato utilizzando una FFT, che traduce efficacemente un segnale dal dominio del tempo - una sequenza di ampiezze nel tempo - nel dominio della frequenza - una raccolta di segnali di frequenza crescente che, se combinati , rappresentano il segnale. In pratica le implementazioni producono un valore di grandezza e fase per ciascuno di un numero fisso di "bucket", dove ogni bucket rappresenta una frequenza. Se dovessi generare un'onda sinusoidale per ciascun bucket, all'ampiezza e all'offset di fase in uscita dall'FFT, quindi sommare tutte quelle onde sinusoidali insieme, otterrai un'approssimazione molto vicina del segnale originale.
2. Viene generato un segnale portante. Questo è il suono sintetizzato a cui vuoi che suoni il tuo modulatore vocale, ma una regola generale è che dovrebbe essere a banda abbastanza larga. Un approccio comune consiste nell'utilizzare tipi di sintetizzatore con molte armoniche (ad es. A dente di sega o onde quadre) e aggiungere rumore e distorsione.
3. Il segnale portante viene fatto passare attraverso un banco di filtri le cui frequenze centrali corrispondono a quelle dell'FFT secchi. I parametri di ogni filtro sono guidati dal valore del bucket associato. Ad esempio, si potrebbe applicare un filtro notch con un fattore Q elevato e modulare il guadagno del filtro con l'uscita FFT.
4. Il segnale modulato risultante è l'uscita.

Un diagramma piuttosto grezzo di un approccio analogico è il seguente:

L'ingresso audio è suddiviso in un certo numero di bande di frequenza utilizzando filtri passa banda, ciascuno dei quali passa solo attraverso un intervallo di frequenza ristretto. I blocchi di "processo" prendono i risultati ed eseguono una sorta di rilevamento dell'ampiezza, che diventa quindi un segnale di controllo per gli amplificatori controllati in tensione (VCA). Il percorso in alto genera la forma d'onda portante, solitamente eseguendo il rilevamento dell'inviluppo sull'ingresso e utilizzandolo per pilotare un oscillatore controllato in tensione (VCO). La portante viene quindi filtrata in bande di frequenza individuali dai filtri passa-banda sulla destra, che vengono quindi guidati attraverso i VCA e combinati nel segnale di uscita. L'intero approccio è molto simile all'approccio DSP descritto sopra.

Possono essere applicati anche effetti aggiuntivi, come pre e post-filtraggio, rumore e distorsione, LFO, ecc., Per ottenere l'effetto desiderato.

Il motivo per cui questo è difficile da invertire è che l'audio originale non viene mai effettivamente trasmesso all'uscita. Invece, le informazioni vengono estratte dall'audio originale, quindi utilizzate per generare un nuovo segnale. Il processo è intrinsecamente abbastanza con perdite da renderlo abbastanza proibitivo da invertire.

tl; dr - Generalmente non è reversibile, ma nella pratica potrebbe comunque essere invertito.

Analogia: reversibilità del ridurre un nome alla sua lunghezza.

Considera un metodo di riduzione che prenda il nome di una persona e dia il numero di lettere in esso. Ad esempio, "Alice" viene trasformato in 5.

Questo è un processo con perdita di dati, quindi in genere non può essere annullato. Cioè, in genere non possiamo dire che 5 sia necessariamente associato a "Alice" , poiché potrebbe anche mappare, ad esempio, a "David" .

Detto questo, sapendo che la trasformazione è 5 contiene ancora molte informazioni in quanto possiamo escludere qualsiasi nome che non si trasforma in 5 codice>. Ad esempio, ovviamente non è "Christina".

Quindi ora dì che sei un detective della polizia, che cerca di risolvere un caso. Hai ristretto i sospetti ad Alice e Bob e sai che il nome anonimo del colpevole era 5 . Sicuramente non puoi generalmente invertire 5 , ma questo punto teorico aiuta davvero Alice in questo caso?

Punto: Perdente le trasformazioni vocali in genere non sono reversibili, ma perdono comunque informazioni.

Nei bei vecchi tempi, prima dei computer e simili, poteva essere sufficiente per trasformare la propria voce in modo con perdita di dati. Quindi, se una terza parte voleva recuperare la voce dell'oratore originale, non poteva - cosa che, allora, probabilmente sarebbe stata.

Oggi possiamo usare i computer:

Questo metodo è generico per qualsiasi trasformazione che non sia completamente con perdita di dati. Tuttavia, l'utilità delle informazioni risultanti varierà con il grado di perdita del metodo di anonimizzazione; una trasformazione leggermente con perdita può ancora essere ampiamente reversibile in pratica nonostante non sia generalmente reversibile, mentre una trasformazione con perdita pesante può fornire così poche informazioni utili da essere praticamente irreversibile.

No, di certo non è sicuro.

Se dovessi farlo, userei la sintesi vocale e poi detterei usando una voce comune come quella di Stephen Hawking. Ciò elimina completamente qualsiasi informazione vocale effettiva.

L'unica cosa rimasta sarebbe rendere anonimo il tuo stile di dialetto formalizzando / normalizzando il tuo vocabolario / frasi.

Onestamente quest'ultima fase è estremamente difficile . Normalizzare un pensiero è estremamente complesso. Tuttavia, senza di esse divulgheresti informazioni di identificazione personale.

Come in tutte le cose InfoSec, dipende dalle tue minacce e dalle risorse dei tuoi avversari.

Se stai cercando di fare uno scherzo pratico a tuo fratello maggiore, è sufficiente un accento falso. Se stai cercando di ingannare tua moglie è più difficile.

Se stai cercando di condurre una conversazione complessa contro un avversario con risorse tecniche sufficienti, a seconda del contesto, sarà quasi impossibile senza un'assistenza significativa, a meno che tu non sia d'accordo con loro che ti conoscono Stai nascondendo la tua voce.

Il problema non è la presentazione, saranno ogni sorta di cose che fai inconsciamente. Hai "frasi di cattura", cose che dici. Hai una cadenza nel parlare, nell'uso delle parole e, soprattutto, in parole specifiche che usi costantemente in modo improprio. Avrai poche parole che pronunci in modo diverso dalla maggior parte delle persone, o un accento regionale, ecc. È quasi come un'impronta digitale.

Puoi allenarti da un po 'di questo dove lo prendi, ma poi QUELLO diventa la tua impronta digitale.

Potresti (se sei un bravo attore) "Adottare il ruolo" e cambiare deliberatamente molte di queste cose "solo per il ruolo" e poi abbandonarlo quando hai finito. Ciò ingannerà molti tipi di analisi, ma è MOLTO lavoro e devi essere attivo ogni volta.

Siamo ora nell'era del machine learning.

Qualsiasi offuscamento ottenuto attraverso la trasformazione delle informazioni non deve essere considerato sicuro. Non adesso. Certamente non contro la tecnologia del futuro. ML è in grado di invertire la trasformazione.

Puoi pensare a questo in termini di topologia manifold. Supponiamo che l'immagine di un gattino sia distorta, proiettata su un collettore. Diciamo un cilindro. Proprio come un cervello umano può percepire la varietà e scartare l'immagine, così può ML.

Per ottenere un vero offuscamento, il CONTENUTO delle informazioni deve essere separato dallo STILE delle informazioni. Ciò può essere ottenuto anche tramite ML.

Puoi guardare le immagini da https://towardsdatascience.com/a-neural-algorithm-of-artistic-style-a-modern-form -of-creation-d39a6ac7e715 per avere un'idea visiva di questo.

Un anonimizzatore vocale vecchia scuola potrebbe suddividere l'audio in entrata in vettori di funzionalità MFCC e ricostruire i vettori in audio.

Se è un po 'più avanzato, potrebbe suddividere questi MFCC in fonemi temporizzati e quindi ricostruire l'audio da questo.

L'approccio più sicuro sarebbe utilizzare le tecnologie STT-> TTS esistenti .

Ma il semplice spostamento del tono non è meglio che avvolgere una foto di un gattino attorno a un cilindro. Puoi ancora capire se è il tuo gattino o no.