司法语音技术在电信网络诈骗犯罪侦查中的应用

丁 盼

（西南政法大学，重庆 401120）

现代信息通信技术和互联网的发展在为人们生活提供便利的同时，也给各类传统犯罪活动提供了新的工具和空间。电信网络诈骗犯罪是传统诈骗犯罪在网络通信时代的升级演化，主要指利用通信信息技术和手段实施诈骗的违法犯罪行为。［1］近年来，我国的电信网络诈骗犯罪处于高发态势。中国信通院2020年发布的《新形势下电信网络诈骗治理研究报告》显示，2020年1月至10月期间信息通信行业累计处置涉诈网络资源15.3亿次，受理电信网络诈骗用户举报15.2万件次。犯罪分子在低成本、高效率的诱惑下持续扩大诈骗对象范围，不断翻新诈骗手法、更迭技术和细化分工，诈骗实施手段日趋隐蔽和智能，给人民财产安全和社会稳定带来了巨大的负面影响。近几年，电信网络诈骗的运作模式更趋专业化、智能化，犯罪活动区域跨境化趋势明显，尤其是该类犯罪的非接触性给案件的侦破带来了较大障碍。除了涉案的DNA、痕迹或文书类等实物证据在侦查过程中难以获取外，案件中较常涉及的电子证据在取证方面也存在跨境取证难、易灭失等诸多问题。［2］在此背景下，涉案的语音材料可能成为侦破案件的关键证据，从而使司法语音技术在该类案件侦破和诉讼中发挥重大作用。

司法语音技术，又称法庭语音技术，是语音技术在司法领域中的应用。目前，司法语音技术在鉴定工作中的运用已相对成熟［3］［4］，但是其在侦查中的应用，尤其是在电信网络诈骗犯罪侦查工作中的应用同样值得关注。本文从司法语音技术的基本内容和应用场景出发，结合当前电信网络诈骗犯罪的新形势和新特点，探讨了司法语音技术在电信网络诈骗犯罪侦查中的适用性和优势，并针对应用过程中的挑战提出了相应解决对策，以期促进司法语音技术在侦查工作中应用和发展，为电信网络诈骗犯罪等案件的侦查工作提供新的技术手段和方法策略。

（一）司法语音技术的基本内容

司法语音技术主要依托于司法语音学，是将语音学知识应用在司法领域，从而为司法实践提供线索或证据的一门技术方法。司法语音学的研究内容较为广泛，言语链中的任何一环，从说话人声音的产生、传播、感知到记录、分析都属于其研究范畴。［5］对应而言，司法语音技术就是司法语音学实践应用的具象化手段。目前，主流的司法语音技术主要包含以下五个方面的内容。

1.话者语音比较。话者语音比较是司法语音技术的核心内容，主要用于案件中罪犯语音与嫌疑人语音的比较分析，进而确定二者是否来自同一说话人，或判断二者来自同一说话人的可能性有多大。话者语音比较不仅需要语言学、应用语言学和语音学知识体系的支撑，统计学、心理学、信号处理技术和通信技术等多学科知识的综合运用同样必不可少。在涉语音案件中，话者语音比较不仅可以帮助侦查人员迅速缩小侦查范围，锁定犯罪嫌疑人，还将为后期的诉讼庭审提供重要参考依据。

2.录音真实性检验。录音的真实性检验是司法语音技术的重要组成部分，该技术主要通过听觉分析、图谱分析、元数据检验和数字信号分析等技术手段对录音资料的原始性、连续性和完整性进行检验，以判断录音资料是否经过编辑加工处理。［6］常见的录音编辑加工方法有添加、剪切、拼接、抹除和替换等。一般来讲，编辑加工操作会在录音文件中留下相应痕迹，例如抹除操作会导致域波形出现空白段，剪切操作可能会留下剪切错位信息等，这些遗留痕迹是判断录音资料是否具备真实性和完整性的重要依据。但是，现代计算机技术的发展进一步降低了录音后期处理的难度，为录音的真实性检验带来了新的挑战。

3.话者人身分析。也称话者画像，即根据话者自身的语音特点，对说话人的身份特征进行分析刻画。一般来讲，每位说话人都有自己的发音特点、言语风格、用语习惯以及方言口音。根据个人的发音，可以推断出发音人的一些身份特征，例如性别、年龄、职业、所属方言地域、教育程度、身体状况、情绪状态以及特殊言语习惯或言语障碍等。基于话者人身分析得到的身份特征信息不仅对侦查方向的确定具有重要作用，对侦查策略的有效制定也有积极影响。

4.语音降噪和增强。语音降噪主要用于消减目标语音外的无关噪声，以提高目标语音的信噪比。语音增强主要用于目标语音信号较弱时的能量增强，以提升目标语音的信号强度和可辨性。实践中，录音设备、录音场景或环境等都会对录音质量造成一定影响，从而影响对语音内容的听辨。语音的降噪和增强能够有效降低背景噪声的干扰，提升语音信息的可懂性，因此在实践中具有较高的应用价值。

5.语音内容辨识。语音内容辨识是通过对目标语音的反复辨听，将录音中包含的言语对话内容以书面形式进行转写记录。这一过程通常需要多种语音处理方法的配合使用，例如当需要辨听的目标语音中存在较大的背景噪声或语音信号较弱时，可对该段语音进行降噪或增强处理后再对语音内容进行辨识。此外，在语音转写时，需要如实还原所有录音内容（包括非人语声的辨听），以充分研判全部信息。

（二）司法语音技术的应用场景

1.犯罪嫌疑人身份的确定。确定犯罪嫌疑人的身份对案件侦查工作的推进具有重要意义。通过综合运用语音内容辨识、话者人身分析和话者语音比较等技术，可以对犯罪嫌疑人的身份特征信息进行分析与刻画，确定涉案人员语音与犯罪嫌疑人语音的相似度，从而缩小侦查对象范围，查明犯罪嫌疑人的真实身份。在现实案件中，司法语音技术在明确犯罪嫌疑人的身份方面发挥着重要作用。

2.案件线索的提供。司法语音技术可以为案件的侦破提供线索。目前，非接触性犯罪案件频发，犯罪分子多以通信技术和网络技术作为犯罪工具手段，给传统的侦查工作带来了较大挑战。涉案语音获取途经的多样化通常代表语音质量无法得到保证，从而影响侦查人员对录音内容的正常听辨。运用语音降噪和增强、语音内容辨识、话者人身分析等方法，有助于帮助侦查人员快速了解案情，确定案件性质，查清罪犯身份，从而为案件的侦破提供更多有价值的线索。

3.辅助查明案情。涉案语音内容是还原案件真实情况的重要参考依据，因此对查清案件事实具有重要的辅助作用。一方面，语音材料可以更为直观、生动地反映案件事实，另一方面语音材料中客观记录着说话人在音质特征、发音方法、发音习惯、语气语调和语音情感等方面的特征，有助于法庭语音检验专家结合案件具体情况对犯罪嫌疑人开展语言学、心理学等方面的分析，以便了解犯罪嫌疑人的具体情况，为侦破案件提供更多线索，辅助查清案件事实。

4.犯罪行为预警。某些类型的犯罪行为在实施过程中具有明显特征，利用司法语音技术可以对该类犯罪行为进行有效监测与预警。例如在电信网络诈骗犯罪中，犯罪行为的跨区跨境特征明显，犯罪分子通常使用伪装成电信运营商的号码对潜在受害人进行循环“轰炸”，且会利用数十种特定的“剧本”对受害人实施诈骗。基于该类犯罪“通话特征+通话行为”的特点，可以利用语音关键词识别和大数据分析等技术对疑似诈骗号码进行监测和预警，从而在源头上阻断该类犯罪活动的演化升级。

5.涉诈重点人员的发现与监督。司法语音技术在涉诈重点人员的监督管控方面也可以发挥较大作用。例如，基于当前全国建立的涉诈重点人员语音样本数据库，可以使用话者语音比较技术对案件中的犯罪嫌疑人语音和涉诈重点人员语音库的说话人语音进行分析，通过自动系统的相似度比分对犯罪嫌疑人是否涉及在库重点人员进行初步判断，实现对在库涉诈重点人员犯罪情况的动态掌控，并可以利用串并案研判分析获得犯罪嫌疑人同伙等相关线索，及时掌握更多涉诈重点人员的相关信息，加速案件的侦破进程。

（一）司法语音技术在电信网络诈骗犯罪侦查中的适用性

1.法律层面的适用性。

2012年修订的《中华人民共和国刑事诉讼法》（下称《刑事诉讼法》）将“视听资料、电子数据”确定为法定证据形式之一，明确了语音材料作为证明案件事实依据的证据效力。2018年新修订的《刑事诉讼法》同样延续此规定，“视听资料、电子数据”形式的证据仍然属于证据的法定类型之一。一般来讲，语音材料在案件中的使用有以下两种情况：一是语音材料本身具有证据能力和证明力的双重属性，能够证明案件事实，可直接作为视听资料类证据使用；
二是涉案语音材料经过检验鉴定后，作为鉴定意见类证据使用，涉案语音材料经过话者语音比较和语音真实性（完整性）检验后，可能成为定罪量刑的重要依据。

2016年“两高一部”共同出台的《关于办理电信网络诈骗等刑事案件适用法律若干问题的意见》在证据的收集和审查判断部分明确表示，通话记录、电子数据等证据可用于认定犯罪事实，并对技术侦查措施获得的相关证据在该类案件中的适用条件进行了规定，为司法语音技术在电信网络诈骗案件中的应用提供了充分依据。

2018年最高人民检察院印发的《检察机关办理电信网络诈骗案件指引》在审查证据的基本要求中规定检察机关可依据“QQ、微信、Skype等即时通讯工具聊天记录、CDR电话清单、短信记录、电话录音、电子邮件……以及其他有关证据”判断是否达到追诉标准，进而证明电信网络诈骗行为的危害结果。在该文件中，电话录音被视为证明发生了电信网络诈骗犯罪事实的重要证据。实际办案时，电话录音证据的适用离不开司法语音技术的检验分析，因此该规定从侧面对司法语音技术在电信网络诈骗案件中的适用给予了肯定。

2.实践层面的适用性。

（1）涉案语音材料不断增加。电信网络诈骗犯罪的非接触性和智能化特点导致语音材料在该类犯罪中出现的频率不断升高。无论是在犯罪过程中留下的电话通话录音还是在即时通讯软件中产生的短语音，都可能包含有助于查明案件事实的重要信息，这些涉案语音材料的获取正随着移动通信设备的普及和计算机技术的发展变得更加简单和快捷，这也导致获取涉案语音材料的途径更加灵活多样，从而为司法语音技术在电信网络诈骗犯罪案件侦查实践中的适用提供了基本条件。

（2）公安语音数据库建设已成规模。近年来，公安语音数据库的建设工作已逐渐形成一定的规模体系。［7］语音数据库作为语音自动检索与识别技术适用的基础，可以存储大量个人语音特征信息，是案件侦破过程中的重要战略资源。目前，全国大部分省、市的基层公安部门已配备专业语音采集终端，公安部也基于各省语音数据库建立了全国联网的公安语音数据库采集及管理系统，随着系统功能的完善和相关语音采集、管理规则的健全，基层单位录入的检材语音和样本语音数量正在快速增加。当前，依托于公安语音数据库，针对涉诈重点人员的语音采集和录入工作已经有序展开。涉诈重点人员语音数据库的建立为电信网络诈骗犯罪案件中的涉案语音材料提供了充足的语音比较样本，有助于为案件的侦破提供线索。综合而言，公安语音数据库的规模化建设为司法语音技术在涉诈案件侦查中的适用提供了数据支持，是侦查实践中有效应用司法语音技术的必要条件。

（3）智能化语音技术的发展。智能化语音技术是指基于人工智能原理与方法的语音技术总称，其发展极大提升了司法语音技术的实践应用效能。由于电信网络诈骗犯罪手段日趋专业化和智能化，犯罪人在利用传统电话、平台通讯、网络电话、即时通讯软件等渠道传递诈骗信息时［8］，极有可能会留下包含个人语音信息的语音数据，这些海量的数据汇集后，虽然可以为侦查人员提供破案线索，但是数据的冗余也为案件侦查的精准展开带来了一定困难。智能化语音技术的发展则为该问题的解决提供了新的对策。一方面，借助智能化语音技术中的自动说话人识别和自然语言理解技术，可以在海量数据中精准识别涉诈人员语音，快速发现有害诈骗信息［9］，有效提高侦查效率；
另一方面，智能化语音技术的运用主要借助智能化、自动化的程序和方法，因此将有效减少重复性的人工工作，节约大量侦查成本。

（二）司法语音技术在电信网络诈骗犯罪侦查中的优势

1.侦查机动性强。电信网络诈骗运作模式的日趋专业化和智能化导致涉诈人员不仅具有较高的犯罪智能，且具有较强的反侦查意识。在犯罪得逞后，他们往往会通过各种专业手段迅速销毁证据，这给侦查取证带来了较大困难。但是，犯罪分子无法将信息传递过程中产生的语音材料完全抹除，例如利用通信运营商平台呼出的电话或留存在被害人手机中的录音等。此外，电信网络诈骗犯罪案件的非接触性特点导致传统的现场勘查手段难以施展，但是司法语音技术人员可以远程使用专业手段获取涉案语音材料，即使技术人员与犯罪发生地相距千里，也可以快速对涉案语音开展检验分析工作，且不用担心涉案语音证据的损毁灭失。因此，相较于传统依托于现实案件现场的证据检验技术，司法语音技术在侦查中的运用具有相对较强的机动性和灵活性。

2.侦查效率高。当前，电信网络诈骗的手法不断翻新，模式持续升级，诈骗技术和设备更新速度加快，诈骗渠道也由单一的电话诈骗扩展为跨平台、跨网络诈骗。犯罪分子在利用新技术进行诈骗活动的过程中将产生海量数据，导致侦查人员难以准确识别诈骗信息并锁定侦查目标。利用司法语音技术的自动识别手段对涉案语音内容进行识别，可以基于给定的特定涉诈关键词快速筛查出可能涉诈的相关语音，然后通过大数据分析等技术对涉诈电话号码进行标记，从而辅助侦查人员筛选需要重点分析的语音，最大程度获取话者人身信息，进一步缩小侦查范围，有效提升案件的侦查效率。

3.侦查成本可控。在传统刑事案件侦查中，侦查人员一般采取现场勘查、调查访问等方式发现侦查线索、查明案件情况等，需要耗费较多侦查资源。由于电信网络诈骗犯罪具有非接触性特点，在传统案件侦查中适用的侦查措施在该类案件侦查中较难发挥作用，因此具有非接触式实施特点的司法语音技术在实践中更具应用价值。该技术在侦查中的有效适用一方面依赖于司法语音技术人才的专业水平，另一方面需要使用高质量的语音数据库作为数据支撑。当前，涉诈语音数据库的建立主要依托于公安语音数据库采集及管理系统，并不需要侦查人员到犯罪现场进行勘查或调查访问等，且只需一至两名技术人员即可实现检材语音或样本语音的录入、采集、管理和检验识别工作，可以节约大量侦查资源。虽然公安语音数据库在前期的建设过程中需要投入较多精力和成本，但从长远看，该数据库投入使用后产生的侦查效益将远高于投入成本，节约侦查资源，提升办案效率。

4.犯罪预防效果显著。当前，我国电信网络诈骗防范治理形势依然严峻复杂，但随着大数据、人工智能等技术在防范治理工作中的应用，我国信息通讯行业的防范处置技术能力正不断增强，工作的思路也正在由“事后处置”向“事前防范、事中拦截、事后处置”的全链条治理方向转变。［10］利用涉诈重点人群语音库，可以提前在系统中对涉诈号码和涉诈重点人员进行标记，同时使用机器学习和数据挖掘等技术开展关联分析，在发现监测对象符合典型诈骗行为模式时，对诈骗电话进行提前拦截与预警，提高犯罪预防的效果。

（一）涉诈语音数据库的构建问题

涉诈语音数据库是司法语音技术在电信网络诈骗犯罪侦查中运用的基础，其数据质量决定着司法语音技术的应用效果。虽然目前公安语音数据库的采集工作正在有序推进，但在建设过程中仍然存在涉诈人员语音录制质量难以保障以及语音样本采集设备和环境受限等问题。

1.入库样本语音的质量。入库样本语音质量难以保障是语音数据库建设过程中面临的普遍问题。语音识别效果与在库语音质量密切相关，已采集语音样本的采样率、信噪比、有效时长、说话人言语风格［11］都影响着语音数据库的整体质量，进而影响话者语音比较的准确性。由于检材语音的质量是不可控的，因此应尽量保证入库样本语音的整体质量，虽然现有的语音标准化采集设备和采集管理软件已经可以基本保障已采集语音的采样率、信噪比和有效时长等达到基本质量要求，但是朗读样本内容滞后、语音样本言语风格单一的问题仍然存在。

电信网络诈骗手法套路的不断翻新导致涉诈“剧本”和关键词的持续增加，若未及时更新朗读样本内容，势必影响检材语音与样本语音间的可比性。针对该问题，可以定期收集整理新型诈骗“剧本”或涉诈高频词，有针对性地对朗读材料进行更新，从而提高语音样本内容的质量和有效性。除此以外，检材与样本言语风格的不匹配同样会影响话者语音比较的准确性，因此在采集样本语音的过程中应尽量对被采集人不同言语风格的语音样本进行收集。例如，工作人员在采集语音样本时可先要求被采集人复述朗读材料内容，然后依据案件实际情况与被采集人进行自由交谈，以缓和被采集人的紧张心理，并尽可能地引导被采集人多次说出涉案关键词。通过该类方法，可以收集到被采集人多种言语风格的语音样本，有效提升语音数据库样本言语风格的多样性和语音识别效果。

2.样本语音的采集设备和环境。为了保证入库样本语音的质量和安全管理，采集单位在采集语音样本时除了需要使用专业的语音采集设备外，还需使用固定的内网IP进行采集和上传工作。虽然这种模式保障了语音数据库的私密性和安全性，但是却给基层单位语音采集工作的开展带来了一定不便，尤其在当前电信网络诈骗活动呈现向重点边境地区集聚的新趋势的情况下，为公安机关在境外区域开展跨境网络电信诈骗犯罪人员的语音样本采集工作带来了更多困难。

首先，公安部门对语音采集设备的特定化需求导致目前可使用的设备种类较为单一，语音采集终端形式通常选择可放置于桌面移动式三角支架的高保真麦克风阵列。虽然该类设备具有较好的定向拾音及降噪效果，但对使用场景要求较高，需要将设备与被采集人保持较近的有效距离和相对局限的采集角度才能采集到符合要求的语音样本，因此较差的采集环境、不规范的采集操作或被采集人的低配合度均会给采集工作带来影响。其次，语音采集和上传需要依托内网IP地址，自然限制了语音采集的地点与环境，一些偏远或境外区域很可能因为硬件设施原因无法开展语音样本的采集工作，导致语音库中部分语音样本的缺失。

对于上述问题，应考虑推出更加多样的语音采集终端形式，以满足不同环境条件的语音采集需求。例如，使用更加便携、隐蔽的语音采集设备，在方便采集人员随时随地开展语音采集工作的同时，也有助于降低被采集人面临专业设备产生的抗拒心理，更易采集到自然、有效的语音样本。另外，对样本语音采集、上传地址的限制也应适当减少，可以考虑配合使用硬件加密锁为基层单位增加更多移动设备端的上传权限，这样不仅能保证语音数据库的安全性，也能给语音样本采集地点的选择带来更多灵活性，保证各地样本采集工作的顺利进行。

（二）司法语音技术的智能化发展问题

当前，司法语音技术在电信网络诈骗犯罪侦查中的运用主要依赖人工方法，例如，对涉案语音进行真实性检验或者话者人身分析时，更多依靠技术专家使用听觉分析方法、图谱方法或听觉—声学—语音学方法等对语音材料进行分析检验，该类方法不仅需要耗费较多的人工精力，且效率与准确性难以保证。虽然公安语音数据库在构建过程中已经开始运用自动化手段采集和存储语音特征，并使用自动识别技术进行涉案说话人语音样本与在库语音样本的比对工作，但是自动识别系统的识别性能并不稳定，在很多情况下依然需要人工进行二次核对，司法语音技术的智能化水平仍需进一步提升。

针对该问题，可以结合智能语音技术的最新发展，拓展新的技术方法在司法语音中的应用途径，并转化为适用于电信网络诈骗犯罪侦查实战的智能化技术体系。例如，将语音人声分离、语音自动识别或语义理解等智能语音技术应用到司法语音技术体系中，不仅可以在海量语音数据中快速检测涉诈语音，还可以对涉诈案件中的语音情报进行侦查预警，及时对重要涉案语音证据进行留存，有效提升侦查效率。除此以外，应当全面掌握电信网络诈骗犯罪的最新发展趋势，积极与科技公司合作研发司法语音技术的智能化平台，依照实际办案需求不断更新技术方法，为公安机关提供全方位、多层次、宽领域的智能化技术保障，促进司法语音技术的持续化、智能化发展。

（三）司法语音技术专业人才的培养问题

目前，国内仅有少数公安院校设置了公安视听技术专业和个别政法院校开设了司法语音检验课程，随着电信网络诈骗犯罪打击治理工作的持续进行以及公安语音数据库建设的规模化，全国各地公安实战部门都亟需兼具专业理论基础和实际作战能力的司法语音技术专业人才，这也导致该类专业人才的缺口正在不断扩大。

司法语音技术专业人才不仅要有应用语言学、语音学等语言学相关的学科基础，还要掌握信号处理技术和计算机与信息技术等专业知识，并具备较强的实践操作能力。培养该类专业人才应当考虑到司法语音学的交叉学科背景，在师资力量配备方面更注重灵活性，可以有针对性地选择更多具有复合型学科背景的任课教师，并注重引进具有实务经验的司法语音技术专家，开设以专家为主导的实践课程培养学生的实战业务能力，为基层单位输送更多懂理论的技术型专业人才。除此以外，可考虑建立公安机关内部相关技术人才的培养体系，从多渠道加强对专业人才的培养力度。

随着我国对电信网络诈骗犯罪打击防范力度的不断增大，司法语音技术在电信网络诈骗案件侦查中有了更多的应用场景和更显著的适用优势。为了进一步提升司法语音技术在侦查实践中的应用水平，应切实保障入库样本语音的质量，增加样本语音采集设备与环境场景的多样性，提高司法语音技术设备的智能化水平，拓宽司法语音技术专业人才培养渠道，加大和加快专业人才培养规模和速度。司法语音技术不仅为电信网络诈骗案件的侦破提供了新的技术方法，也促进了更多新型科技手段在侦查领域中的创新应用。后续可重点探索司法语音技术与其他科学技术的结合点，实现对电信网络诈骗犯罪的多维度、智能化精准打击。

猜你喜欢 诈骗语音司法 制定法解释中的司法自由裁量权法律方法(2021年4期)2021-03-16魔力语音阅读（快乐英语高年级）(2019年5期)2019-09-10基于MATLAB的语音信号处理电子制作(2019年14期)2019-08-20基于MQ3与MP3的价廉物美的酒驾语音提醒器电子制作(2019年9期)2019-05-30司法所悉心调解 垫付款有了着落今日农业(2019年10期)2019-01-04非正式司法的悖谬中财法律评论(2018年0期)2018-12-06对方正在输入……小说界(2018年5期)2018-11-26合同诈骗中国防伪报道(2016年10期)2016-11-21电信诈骗中国防伪报道(2016年10期)2016-11-21信用卡诈骗中国防伪报道(2016年10期)2016-11-21

推荐访问:侦查 诈骗 司法