L’identificazione biometrica vocale rappresenta oggi una delle frontiere più promettenti nel campo della sicurezza digitale e forense.
Mentre molti sistemi biometrici classici presentano vulnerabilità significative, la voce umana combina caratteristiche anatomiche uniche e modelli comportamentali complessi che la rendono particolarmente resistente alla contraffazione. Questo approccio innovativo sta rivoluzionando i metodi di autenticazione tradizionali, offrendo soluzioni più sicure ed efficaci.
Indice degli argomenti
La biometria e i “segni su un corpo” nella loro evoluzione storica
Il passaggio dall’analogico al digitale ha determinato, nel settore delle scienze criminalistiche, investigative e forensi, un cambio di approccio rilevata la possibilità di individuare altre evidenze di comparazione biometrica; una ricerca che, parallelamente, ha visto attori ricercatori scientifici interessati, piuttosto, a soluzioni compulsive per esigenze di security, commerciali e, più genericamente, d’impresa.
Un primo profilo di interesse riguarda, dall’antichità, gli studi sui “segni scritti su un corpo”[1] come, ad esempio, quelli annotati nel 300 a.C. da Aristotele, che si era soffermato sui tratti del volto che lo studioso riteneva fosse il “centro” dell’organismo umano, da qui coniando il termine “fisiognomica”[2].
Nel periodo rinascimentale, poi, Giovanni Battista Della Porta, trattando un approfondito studio su De humana Physionomia, avrebbe concluso che “la fisionomia è il mezzo che fa conoscere quali sono il marchio naturale e il costume degli uomini attraverso i segni fissi e permanenti del corpo”.[3]
Sarebbe seguito Johann Kaspar Lavater il quale, analizzando la struttura ossea del cranio, aveva osservato come la scatola cranica sarebbe stata idonea ad individuare predisposizione e caratterialità degli individui.
Il passaggio successivo avrebbe visto la frenologia sostituirsi alla fisiognomica: attraverso alcuni centri psichici superiori situati nelle protuberanze e depressioni presenti sul cranio sarebbe stato possibile – secondo gli studi di Joseph Gall – desumerne il carattere e le qualità di ogni individuo.
Altri discutibili studi furono affrontati, ad esempio, con la Fisionomica e mimica[4], con una delirante classificazione degli uomini secondo modelli socio culturali: “belli e superiori gli europei, brutti e inferiori i neri e i gialli; buoni ed onesti i ricchi, cattivi e criminali i poveri”.[5]
Un primo approccio moderno verso l’antropologia criminale si sarebbe riscontrato con Cesare Lombroso, attraverso uno studio sistemico della fisionomica quale scienza applicata dello studio criminale.
Secondo Lombroso “[…] all’interno di contesti individuali, di gruppi sociali o familiari sarebbe stato possibile rilevare dei segni in grado di evidenziare anormalità di natura e degenerazione biologica atavica, ereditate per fattori quali l’alcolismo, epilessia, sifilide ed altre patologie tipiche di quel periodo. Dette “anomalie” avrebbero a loro volta indotto l’individuo, o la categoria, ad assumere tendenzialmente propensioni verso comportamenti ed abitudini criminali, o semplicemente immorali.
Con Alphonse Bertillon, alla fine del ‘800, nasceva poi il sistema di identificazione universale, assumendo particolare rilievo nelle investigazioni di polizia lo strumento fotografico.
L’identificazione standardizzata avveniva attraverso il ritratto fotografico, con una foto di fronte ed una del profilo sinistro a ¾, con a corredo il primo cartellino segnaletico delle misure e “segni particolari”, accompagnate da un cartellino riportante tipologie e misure particolari di varie parti del corpo. Qualche anno dopo il criterio identificativo era stato poi soppiantato con quello del rilevamento delle impronte digitali[…]”[6].
Un approccio moderno all’identificazione attraverso pattern biometrici
Un preliminare distinguo riguarda l’identificazione rivolta all’individuazione certa di un soggetto (sia esso autore o vittima di un reato, per esigenze di schedatura d’archivio, di pubblica sicurezza, ecc.) rispetto all’identificazione di una persona rivolta a consentire un privilegio di accesso o eseguire un comando (ad esempio l’accesso ad un varco fisico o virtuale protetto, il consenso o il comando di un I.O.T., ecc.).
La biometria è quel settore della biologia che misura e studia i dati osservati sugli esseri viventi e, nel caso che qui rileva, degli esseri umani, con l’obiettivo di procedere a classificazioni statistiche, anche secondo criteri spazio temporali.
Partendo da questo concetto, si intende un sistema biometrico quando questo è in grado di riconoscere inequivocabilmente una persona sulla base di pattern fisiologici univoci o comportamentali.
Nel primo caso si tratterà di validare o confrontare un dato fisiologico oggetto di enrollement come, ad esempio, un’impronta digitale[7], le particolarità dell’iride[8], la geometria del volto, quella della mano[9], pattern odontologici[10], le evidenze vascolari[11], la presenza di impianti di protesi, il timbro della voce e, nel secondo caso, di analizzare e mettere in raffronto elementi distintivi di un comportamento, come la calligrafia[12], lo stile di battitura attraverso un sistema di scrittura meccanico[13], la deambulazione, ecc.
L’individuazione di alcuni di questi requisiti avviene attraverso l’osservazione passiva che consente di addivenire all’identificazione biometrica, da qualche tempo oggetto di disputa a seguito delle recenti preclusioni comunitarie con l’ AI Act che “[…] ha messo in evidenza quei livelli di rischio (risk-based approach) determinati dall’impatto delle tecnologie sulla vita del singolo e sui suoi diritti fondamentali individuabili nella cornice della Convenzione europea dei diritti dell’uomo, delineando tre soglie di criticità: a rischio inaccettabile, a rischio alto e a rischio minimo.
Inaccettabili sono da intendersi quei rischi che, attraverso l’utilizzo di tecnologie AI, denotano usi intrusivi e discriminatori, rappresentando una “chiara minaccia per la sicurezza, i mezzi di sussistenza e i diritti delle persone” rilevando “manipolazione comportamentale cognitiva di persone o gruppi vulnerabili specifici, la classificazione sociale e sistemi di identificazione biometrica in tempo reale e a distanza, come il riconoscimento facciale”.
Tra le tecnologie ritenute di certa censura vi sono quei sistemi di intelligenza artificiale che sfruttano le vulnerabilità di individui o gruppi specifici; utilizzano tecniche subliminali o tecniche manipolative e/o ingannevoli per distorcere il comportamento; per l’analisi del c.d. social scoring o la valutazione dell’affidabilità; l’attività di prediction technology per la valutazione del rischio di previsione penale e amministrativa; quei sistemi che creano o espandono database di riconoscimento facciale attraverso web scraping non mirato; che deducono le emozioni nelle forze dell’ordine, nella gestione delle frontiere, sul posto di lavoro e nell’istruzione[…]”[14].
L’esigenza di utilizzare un sistema di consenso biometrico non influenzabile
I sistemi di riconoscimento di un individuo attraverso una chiave biometrica più diffusi sono quelli che utilizzano la validazione di un’ impronta presente sul polpastrello di una mano o attraverso la geometria del volto, ormai da tempo presente sui nostri device elettronici in aggiunta alle autenticazioni alfanumeriche e di segno che utilizziamo in modo isterico.
Si tratta di soluzioni non sempre valide e che, diverse volte, hanno rilevato non poche criticità e agevoli intrusioni, come nel caso di un recente test su diversi modelli di smartphone.[15]
Nel mondo digitale siamo, ormai da anni, abituati ad utilizzare insostituibili applicativi di Speech-to-Text[16], ma ben diverso è il riconoscimento di una voce secondo criteri di identificazione biometrica.
Nel perimetro della sicurezza di un varco, di un’area protetta o di un I.O.T., i sistemi di apertura con serrature personalizzate vengono, sempre più, soppiantati da sistemi digitali che vanno dall’utilizzo di schede magnetiche, di strong authentication con password complesse, O.T.P., riconoscimenti di impronta digitale e/o della geometria del volto.
Si tratta, però, di criteri di sicurezza tutti aggirabili nel caso in cui un non avente diritto sia in grado di impossessarsi di un codice di identificazione o proceda a forme di costrizione per imporre al soggetto abilitato di autenticarsi con i sistemi biometrici abbinati.
E’ stato, ad esempio, rilevato che in alcune strutture carcerarie oltreoceano si siano più volte registrate evasioni con il macabro espediente di mozzare le dita degli operatori di vigilanza per poter effettuare la registrazione di consenso all’apertura di un varco o, addirittura, estrarre dall’orbita con un cucchiaino un occhio per procedere all’identificazione dell’iride; altrettante volte sono state registrate pesanti torture per estorcere, all’avente l’accesso, chiavi e codici di consenso al varco o imporre a questi di farsi identificare dalla geometria del volto.
Ma questi consensi di accesso coattivi o violenti possono essere aggirati con un criterio biometrico non eludibile?
Proviamo quindi di seguito a spiegare perché l’identificazione biometrica della voce è più sicura di altre misure di consenso biometrico; tratteremo la non duplicabilità attraverso strumenti digitali e di AI procedendo con un approccio algoritmico estratto dalle scienze neuronali; spiegheremo l’individuazione di un falso positivo, di una manipolazione di reperti fonici o di una clonazione attraverso A.I..
Ma, anche, l’individuazione di tentativi di coercizione fisico/psicologica identificabili da micro tremori della voce e altre alterazioni dei modelli comportamentali abituali del soggetto interessato all’identificazione.
Sullo specifico tema, in caso di coercizioni, l’organismo è soggetto, involontariamente, ad “[…] alterazione del pattern abituale, con inusuali tratti cinesici e gestuali, incremento dello stato d’ansia […], così evidenziando ulteriori segni di manipolazione dovuti all’attivazione del sistema nervoso simpatico, attraverso cui saranno evidenziate modifiche neurofisiologiche ed elevazione brusca dell’ormone dello stress[17] […]”.
E’ qui determinante anche il “[…] rapporto tra individuo ed ambiente in grado di determinare frequenti interazioni di stress, che hanno come generica conseguenza uno stato d’ansia.
Taluni elementi ambientali, con ciò intendendosi anche esperienze, rapporti interpersonali e situazionali, detti stressors, determinano una sollecitazione sull’organismo e subiscono sempre un’elaborazione di tipo cognitivo, da cui dipende generalmente la reazione della persona, e da qui un’alterazione dell’equilibrio tra individuo ed ambiente a cui consegue il disagio definito stress.
La condizione di stress determina l’attivazione di un circuito composto da strutture cerebrali e da una ghiandola endocrina, il surrene[18], il quale aumenta la secrezione di cortisolo; questo ormone, anche conosciuto come ormone dello stress, è particolarmente indicativo per rilevare la menzogna […] in quanto induce, tra l’altro, un aumento della gittata cardiaca e dei valori glicemici[19].
Variazione giornaliera dei livelli plasmatici di cortisolo: si evidenzia il picco raggiunto durante le prime ore del mattino.[20]
Lo stress indotto dalla menzogna ha, inoltre, per effetto dei microtremori della voce, dovuti al minore afflusso di sangue verso le corde vocali così da determinare la tensione dei muscoli striati della laringe inducendo, per contro, un’improvvisa affluenza di sangue in alcune parti del viso, ed in maniera peculiare vicino gli occhi.
Questi, come altri indizi, saranno oggetto di monitoraggio investigativo nel corso del colloquio tecnico al fine di rilevare la presenza di menzogne[21] […]”[22].
Perché l’identificazione biometrica della voce è più sicura di altre misure biometriche
L’identificazione biometrica della voce si sta affermando come una delle soluzioni più sicure e avanzate nel campo della sicurezza biometrica.
Questa tecnologia si distingue per la sua capacità di combinare elementi sia fisici che comportamentali, garantendo un livello di protezione superiore rispetto ad altri sistemi biometrici.
La voce di un individuo non è solo il risultato di caratteristiche anatomiche uniche, come la conformazione delle corde vocali e della cavità orale, ma è anche influenzata da fattori dinamici, quali inflessioni, ritmo e accento.
Questi elementi variano in base a numerosi fattori, tra cui – come anticipato – lo stato emotivo e le condizioni ambientali, rendendo estremamente complessa la riproduzione artificiale della voce.
A differenza delle impronte digitali o della scansione dell’iride, che si basano su caratteristiche statiche più facilmente replicabili, la biometria vocale sfrutta una combinazione di elementi unici e difficilmente falsificabili.
Uno degli aspetti più rilevanti della biometria vocale è la sua applicazione in ambito forense[23].
A differenza di altri sistemi che necessitano di una collaborazione attiva dell’individuo, la voce può essere analizzata anche in contesti non collaborativi, come nelle intercettazioni telefoniche o ambientali.
Questo la rende un potente strumento per le indagini, consentendo l’identificazione anche in situazioni in cui altre tecnologie biometriche risulterebbero inefficaci. Inoltre, la biometria vocale presenta notevoli barriere tecniche alla contraffazione.
Registrare un campione vocale di alta qualità, privo di distorsioni dovute a rumori ambientali o variazioni nella distanza dal microfono, rappresenta una sfida significativa per eventuali malintenzionati.
Anche l’utilizzo di software avanzati di sintesi vocale o clonazione audio non garantisce una riproduzione fedele delle micro-variazioni acustiche tipiche di ogni individuo[24].
Per questo motivo, i moderni sistemi di riconoscimento vocale integrano tecniche avanzate di rilevamento delle falsificazioni basate su intelligenza artificiale, in grado di distinguere con elevata accuratezza tra voci autentiche e tentativi di spoofing.[25]
Un ulteriore vantaggio della biometria vocale è la sua flessibilità operativa.
Mentre altre tecnologie biometriche richiedono dispositivi specifici e condizioni di utilizzo rigorose, la raccolta della voce può avvenire a distanza, attraverso strumenti di uso quotidiano come telefoni cellulari o microfoni standard.
Questa caratteristica la rende particolarmente adatta per applicazioni in contesti complessi, come operazioni sotto copertura o situazioni in cui metodi più invasivi sarebbero impraticabili.
La combinazione di questi fattori fa della biometria vocale una delle tecnologie più sicure e versatili disponibili oggi.
Il continuo sviluppo di algoritmi avanzati per il riconoscimento vocale e la rilevazione delle falsificazioni contribuisce ulteriormente a rafforzarne l’affidabilità, aprendo nuove prospettive di utilizzo in ambiti sempre più estesi.
Con il progresso della ricerca e l’affinamento delle tecniche di analisi, è prevedibile che la biometria vocale diventi uno standard di riferimento per la sicurezza e l’autenticazione, offrendo un equilibrio ideale tra sicurezza, praticità ed efficacia.
L’identificazione attraverso l’Intelligenza Artificiale con un approccio alle scienze neuronali
L’identificazione vocale tramite intelligenza artificiale (IA) e scienze neuronali rappresenta un avanzamento significativo nell’ambito della biometria, con applicazioni che spaziano dalla sicurezza informatica alla forensica.
Il processo di riconoscimento vocale trae ispirazione dal funzionamento del cervello umano, che è in grado di distinguere una voce tra milioni basandosi su caratteristiche acustiche uniche e modelli appresi attraverso l’esperienza.
Questo principio biologico è stato tradotto in modelli di IA capaci di replicare tale capacità discriminatoria attraverso reti neurali profonde e tecniche di apprendimento automatico.
Nel sistema nervoso centrale, il riconoscimento vocale avviene mediante un’elaborazione multisensoriale che coinvolge l’area di Wernicke[26], il giro temporale superiore e altre strutture corticali specializzate.
Queste regioni analizzano il timbro, la frequenza e la modulazione della voce, consentendo l’identificazione del parlante in contesti rumorosi o con variazioni nel tono e nell’intensità. L’intelligenza artificiale riproduce questo meccanismo attraverso reti neurali convolutive e ricorrenti, capaci di estrarre caratteristiche vocali salienti e di memorizzare schemi ricorrenti per l’identificazione[27].
I modelli neurali impiegati nell’identificazione vocale si basano su tecniche di classificazione, confronto e apprendimento di rappresentazioni vocali note come embeddings[28].
Gli embeddings vocali sono vettori numerici che codificano le caratteristiche distintive della voce di un individuo, facilitando il confronto tra campioni diversi mediante metriche di similarità.
Questi vettori vengono generati da architetture come i modelli basati su Transformer o reti siamesi, che apprendono a minimizzare la distanza tra campioni della stessa voce e a massimizzarla tra voci differenti.
L’uso di metriche avanzate, come la distanza coseno o la distanza euclidea modificata, permette di affinare ulteriormente la capacità di riconoscimento, migliorando l’accuratezza anche in condizioni di rumore o distorsione.
Un aspetto cruciale dell’identificazione vocale[29] è la capacità di autenticare un individuo indipendentemente dal contenuto del discorso.
Mentre i sistemi di riconoscimento del parlato si concentrano sulla trascrizione del testo pronunciato, l’identificazione biometrica vocale si focalizza sulle caratteristiche fisiche e comportamentali uniche del parlante.
Ciò consente di verificare un’identità senza la necessità di una frase predefinita, rendendo il sistema più sicuro contro tentativi di imitazione o attacchi basati su registrazioni.
In ambito forense, l’uso dell’IA per l’identificazione vocale ha un valore strategico nella raccolta e analisi delle prove audio.
I sistemi avanzati possono identificare un parlante con un’elevata affidabilità anche a partire da campioni brevi, riducendo il margine di errore rispetto alle tecniche tradizionali basate su analisi spettrografica manuale.
Questo approccio trova applicazione nelle investigazioni criminali, nell’intelligence e nel monitoraggio delle comunicazioni, contribuendo a garantire maggiore sicurezza e giustizia.
Tuttavia, il progresso in questo settore solleva interrogativi etici e legali riguardanti la privacy e la possibilità di falsi positivi, richiedendo una regolamentazione rigorosa e l’adozione di protocolli trasparenti.
L’integrazione tra neuroscienze e intelligenza artificiale nell’identificazione vocale dimostra come la comprensione del cervello umano possa guidare lo sviluppo di tecnologie sempre più sofisticate.
Con il continuo miglioramento dei modelli di apprendimento e delle metriche di riconoscimento, si aprono nuove prospettive per applicazioni sicure e affidabili in numerosi settori, dall’accesso biometrico alla sorveglianza forense.
La non duplicabilità della voce attraverso strumenti digitali e di AI
La non duplicabilità della voce attraverso strumenti digitali e di intelligenza artificiale rappresenta un aspetto cruciale nella biometria vocale e nella sicurezza informatica.
Nonostante i progressi nel campo dei deepfake vocali, la riproduzione perfetta della voce umana rimane un obiettivo estremamente complesso, poiché questa è caratterizzata da una combinazione di parametri biometrici unici e dinamici[30].
Oltre al timbro, elementi come micro-variazioni nelle frequenze, nelle armoniche e nella respirazione, rendono la voce un segnale difficile da replicare in modo indistinguibile[31].
Anche le più avanzate tecnologie di sintesi vocale basate su reti neurali profonde lasciano tracce digitali che possono essere individuate.
I modelli di deepfake, pur riuscendo a imitare il tono e il ritmo di un parlante, presentano anomalie nella coerenza fisiologica e nella naturalezza dell’intonazione. Inoltre, l’analisi spettrografica spesso rivela la presenza di artefatti generativi, segnali di distorsione e mancanza di fluidità naturale nella transizione tra fonemi.
Tali imperfezioni possono essere individuate dai sistemi di speaker recognition più avanzati, che sfruttano algoritmi di machine learning per riconoscere differenze sottili tra una voce autentica e una sintetica[32].
Un campo emergente in questo ambito è quello del voice anti-spoofing, che si concentra sullo sviluppo di tecniche per rilevare voci generate artificialmente[33].
I modelli di anti-spoofing analizzano caratteristiche acustiche profonde, come le proprietà di fase e le variazioni non lineari della voce, che risultano difficili da emulare perfettamente per un sistema sintetico.
Tecniche basate su reti neurali convolutive (CNN) e trasduttori a lungo termine (LSTM) permettono di identificare modelli sospetti con elevata precisione, rafforzando la protezione contro attacchi di falsificazione vocale.
Dal punto di vista forense, la capacità di distinguere tra una voce autentica e una clonata è essenziale per garantire l’integrità delle prove audio.
In contesti legali e investigativi, la manipolazione di intercettazioni o la falsificazione di registrazioni può compromettere la veridicità delle testimonianze e alterare l’esito di un processo.
Strumenti avanzati di speaker verification combinati con tecnologie di rilevamento delle anomalie acustiche consentono di validare l’autenticità di un file audio e di identificare possibili manipolazioni.
Parallelamente, l’aumento della sofisticazione dei deepfake[34] vocali ha aperto nuove sfide nel campo della sicurezza e del crimine digitale.
Reati emergenti come la diffamazione attraverso registrazioni alterate, l’estorsione tramite imitazione della voce e la falsificazione di comunicazioni private sono in crescita.
Inoltre, la manipolazione della comunicazione politica e pubblica attraverso falsi discorsi rappresenta una minaccia alla stabilità dell’informazione e alla fiducia dell’opinione pubblica.
Per contrastare tali fenomeni, è necessario un approccio combinato che includa regolamentazioni rigorose, tecnologie avanzate di rilevamento e una maggiore consapevolezza pubblica riguardo ai rischi dei deepfake vocali.
In conclusione, la voce umana, con la sua complessità e unicità, si conferma un dato biometrico di difficile duplicazione, anche con le più avanzate tecnologie di IA.
Sebbene i deepfake vocali abbiano raggiunto livelli di sofisticazione impressionanti, esistono ancora limiti strutturali nella loro capacità di emulare completamente le caratteristiche dinamiche di una voce reale.
L’evoluzione delle tecnologie di speaker recognition e anti-spoofing rappresenta una difesa fondamentale contro i rischi di manipolazione, contribuendo alla protezione dell’identità vocale e alla sicurezza delle comunicazioni digitali.
L’individuazione di un falso positivo, di una manipolazione di reperti fonici, di una clonazione attraverso A.I.
L’uso dell’intelligenza artificiale nel riconoscimento vocale ha portato a significativi progressi nella biometria forense, ma ha anche introdotto nuove problematiche legate all’affidabilità e alla sicurezza dei sistemi.
In particolare, tre aspetti critici emergono nel contesto forense:
- il rischio di falsi positivi;
- la manipolazione di reperti fonici;
- l’uso di clonazioni vocali basate su AI[35].
Queste problematiche assumono rilevanza sia in ambito investigativo che giuridico, rendendo necessaria l’adozione di strumenti e metodologie per l’identificazione e la mitigazione di tali rischi.
I falsi positivi si verificano quando un sistema di riconoscimento vocale identifica erroneamente un soggetto come coincidente con un altro.
Questo fenomeno può derivare da limiti tecnologici, dalla qualità del campione audio o da somiglianze fonetiche tra soggetti.
Per contrastare tale problema, vengono adottate metriche avanzate, come il Likelihood Ratio (LR), che quantifica la probabilità che due segnali vocali appartengano alla stessa persona.
Inoltre, tecniche di verifica basate su deep learning e modelli neurali convoluzionali migliorano la capacità discriminativa, riducendo il rischio di identificazioni errate.
Le manipolazioni dei reperti fonici, come il taglio, il montaggio o la distorsione audio, possono compromettere l’integrità delle prove e influenzare le indagini. L’analisi spettrografica avanzata permette di rilevare incongruenze nella struttura del segnale vocale, individuando modifiche sospette. Tra gli strumenti più efficaci vi sono:
- analisi della coerenza temporale e dell’intonazione per individuare discontinuità;[36]
- identificazione di artefatti digitali lasciati dai software di editing audio;
- confronto delle caratteristiche acustiche rispetto a registrazioni originali.
Le clonazioni vocali basate su AI, come i deepfake audio, rappresentano una sfida emergente[37], poiché permettono di replicare la voce di un individuo con elevato realismo.
Tuttavia, tecniche di rilevamento AI-based, addestrate a identificare pattern di sintesi vocale, possono distinguere una voce autentica da una generata artificialmente.
Nonostante i progressi dell’intelligenza artificiale, il ruolo dell’esperto forense rimane essenziale per validare i risultati prodotti dai sistemi automatici.
La valutazione umana consente di:
- Interpretare correttamente le analisi effettuate dagli algoritmi.
- Effettuare confronti indipendenti tra registrazioni.
- Escludere errori derivanti da bias algoritmici o limitazioni tecnologiche.
L’esperienza forense e l’applicazione di protocolli rigorosi garantiscono che l’analisi fonica mantenga un alto grado di affidabilità in sede giudiziaria.
La protezione dell’integrità delle prove audio è cruciale per la loro ammissibilità in tribunale. Una catena di custodia rigorosa, che documenti ogni fase della raccolta e analisi del reperto fonico, è essenziale per evitare contestazioni.
Protocolli standardizzati assicurano che i campioni audio non subiscano alterazioni involontarie o intenzionali.
L’uso di deepfake audio in operazioni di disinformazione, frodi o attacchi alla sicurezza nazionale è un rischio crescente. Le intercettazioni internazionali e l’analisi di comunicazioni sospette richiedono strumenti di rilevamento avanzati per distinguere i contenuti genuini da quelli manipolati. L’intelligence si avvale di sistemi basati su AI forense, che combinano tecniche di speaker recognition e modelli predittivi per identificare anomalie e mitigare minacce potenziali.
Se ne deduce che l’individuazione di falsi positivi, manipolazioni foniche e clonazioni vocali è un campo in continua evoluzione, che richiede un approccio integrato tra tecnologia avanzata e competenza forense.
L’adozione di metodologie robuste e l’intervento di esperti qualificati rappresentano elementi chiave per garantire l’affidabilità delle analisi foniche in contesti investigativi e legali.
Individuazione di falsi positivi e manipolazioni nei reperti fonici
La biometria vocale rappresenta oggi una delle frontiere più avanzate nell’ambito della sicurezza digitale e forense.
La capacità di identificare un individuo attraverso la sua voce, un tratto tanto unico quanto complesso, fornisce un metodo efficace per l’autenticazione e l’indagine investigativa.
A differenza di altre forme di biometria, la voce non richiede necessariamente un contatto fisico e può essere utilizzata in scenari a distanza, garantendo al tempo stesso un elevato livello di sicurezza grazie alla sua combinazione di caratteristiche fisiche e comportamentali.
Uno dei principali vantaggi della biometria vocale rispetto ad altre tecnologie è la sua flessibilità: essa può essere impiegata in diversi contesti, dall’accesso sicuro ai sistemi informatici alla verifica dell’identità in ambito forense.
La difficoltà di replicare perfettamente una voce autentica, unita alle tecniche avanzate di intelligenza artificiale, riduce il rischio di frodi e usi impropri.
Tuttavia, l’avanzamento delle tecnologie di sintesi vocale e clonazione richiede un costante aggiornamento delle metodologie di rilevazione per individuare eventuali manipolazioni o deepfake.
In questo contesto, il ruolo dell’intelligenza artificiale è cruciale: gli algoritmi avanzati di machine learning e le reti neurali profonde consentono non solo di identificare la persona dietro la voce, ma anche di rilevare segnali di manipolazione e contraffazione.
Tuttavia, l’intervento dell’esperto forense rimane indispensabile per validare i risultati e garantire l’affidabilità delle analisi.
La combinazione tra sistemi automatici e valutazione umana rappresenta il punto di equilibrio tra efficienza e accuratezza.
Guardando al futuro, il crescente utilizzo della biometria vocale richiede un impegno continuo nella ricerca e nello sviluppo di nuove soluzioni per contrastare le minacce emergenti, in particolare i deepfake vocali e altre tecniche di frode avanzata.
La collaborazione tra esperti di sicurezza, legislatori e ricercatori sarà essenziale per garantire che questa tecnologia rimanga un pilastro affidabile per la sicurezza digitale e la giustizia forense.
Bibliografia
[1] Di Stefano M., Profiling. Tecniche e colloqui investigativi, appunti d’indagine, Altalex editore, Montecatini Terme (2013), pag. 11.
[2] Dal greco ϕυσιογνωμονία (riconoscimento, interpretazione della natura).
[3] Della Porta G., De humana Physionomia, Napoli (1558).
[4] Mantegazza P., Fisionomica e mimica, Dumolard editore, Milano (1881).
[6] Di Stefano M., Profiling. Tecniche e colloqui investigativi, appunti d’indagine, cit., pag. 12.
[7] Le impronte sono costituite da creste (linee) e solchi sulla superficie del polpastrello. L’unicità delle impronte digitali è stabilita dalla disposizione delle creste e dei solchi così come dalle minutiae (punti locali che caratterizzano la biforcazione e/o terminazione delle linee). Tra i sistemi di identificazione più noti vi è il VISA SCAN, un sistema di rilevamento ottico delle impronte digitali utilizzato dal Dipartimento della Pubblica Sicurezza del Ministero dell’Interno per l’acquisizione delle impronte digitali. Con AFIS (acronimo di Automated Fingerprint Identification System) si intende un sistema complesso realizzato per ridurre i normali tempi di acquisizione e catalogazione dei cartellini decadattilari e rendere speditiva una ricerca di una impronta all’interno di un database centralizzato. Le impronte, codificate attraverso un algoritmo proprietario, sono oggetto di ricerca sia su set di 10 impronte, sia su frammenti d’impronta digitale sia sulle impronte palmari, oggetto di repertazione sulla crime scene.
[8] Il modello dell’iride è estremamente complesso e ricco di informazioni, con oltre 200 punti unici: l’iride dei due occhi di un medesimo individuo sono differenti. Le caratteristiche dell’iride sono stabili durante la vita di un individuo.
[9] La geometria della mano è basata su caratteristiche come la lunghezza delle dita, l’ampiezza, lo spessore e particolari curvature della mano.
[10] Gli elementi dentari costituiscono la parte più resistente dell’organismo umano, le loro caratteristiche anatomiche, patologiche e terapeutiche li rendono peculiari per ogni individuo e sono l’unica struttura scheletrica direttamente osservabile in un soggetto in vita; considerazioni che li rendono un ottimo strumento identificativo. Alcune modificazioni culturali poi possono fornire informazioni circa la provenienza geografica di un soggetto come ad esempio particolari pigmentazioni dentarie, modificazioni non terapeutiche dell’anatomia, incastonatura di pietre o gioielli nello smalto dentario o ricopertura di elementi dentari con corone non terapeutiche. Alcune abitudini di vita o occupazioni possono inoltre lasciare un’indelebile marchio sugli elementi dentari facilitando l’identificazione del cadavere (suonatori di strumenti a fiato, fumatori di pipa, carpentieri…). Fonte: https://cultura.gov.it/comunicato/pompei-interventi-con-tac-sui-calchi-indagini-tomografiche-per-studiare-le-vittime-dell-eruzione-di-pompei-la-scienza-medica-al-servizio-dell-archeologia, consultato il 22 marzo 2025.
[11] La tecnologia vascolare, ovvero della scansione delle vene, utilizza gli aspetti distintivi dei percorsi delle vene per verificare l’identità individuale. I percorsi delle vene sono unici e forniscono una caratteristica biometria nascosta, ampia e stabile. Fonte: https://www.biometric.it/tecnologia_vascolare.php#:~:text=La%20tecnologia%20vascolare%2C%20ovvero%20della,biometria%20nascosta%2C%20ampia%20e%20stabile, consultata il 2 marzo 2025.
[12] I principali e più conosciuti metodi di raffronto sono il metodo Calligrafico, il metodo Grafometrico, il metodo Grafonomico ed il metodo Grafologico.
Il metodo Calligrafico, anche detto grammatomorfico, prende in esame il grafismo come struttura estetico-formale e procede nella verifica in base al criterio morfologico. É un metodo ampiamente superato in quanto poco scientifico e contraddittorio.
Esistono sentenze che ne anno dichiarato la scarsa attendibilità come la sentenza della Corte di Cassazione (29 dicembre 1959): «Una perizia grafica prevalentemente basata sul metodo dell’interpretazione calligrafica è generalmente insufficiente senza il contributo di una attenta interpretazione grafologica a dirimere il pericolo di errore nel responso offerto al magistrato».
Il metodo Grafometrico prende in considerazione i rapporti dimensionali che si stabiliscono tra le forme, misurandole per poi metterle in comparazione. Molto complesso da applicare risulta essere limitativo negli scritti brevi e limitativo non prendendo in considerazione le variabilità individuali e riducendo il gesto grafico ad una semplice struttura misurabile.
Il metodo Grafonomico noto come metodo segnaletico-descrittivo è quello impiegato dalla Polizia scientifica e Carabinieri.
E’ una metodologia che impone delle regole scientifiche precise ai fini della comparazione e del confronto finale ma rimane circoscritta ai soli aspetti segnaletico-descrittivi della scrittura.
Il metodo Grafologico prendendo in considerazione non la scrittura nella sua forma, ma il gesto grafico nella sua dinamicità ed individualità, permette il rilevamento di dettagli e sfumature legate a quella spontaneità individualizzante del tutto personale e peculiare. Fonte: https://www.grafologi-forensi.it/metodologie/, consultata il 22 marzo 2025.
[13] Attraverso un approccio di analisi linguistico forense.
[14] Di Stefano M. Lo Presti G., AI Act, il rischio accettabile tra esigenze etiche, di privacy, di sicurezza e di diritto, Cybersecurity Italia, giugno 2023.
[15] “Il test ha coinvolto 59 modelli di smartphone analizzati negli ultimi 12 mesi e i risultati sono stati sorprendenti. Il 25,4% di essi ha fallito il test di sicurezza a causa di una falla nel riconoscimento facciale. In particolare, 15 modelli, compresi alcuni di fascia alta, sono stati sbloccati con successo utilizzando una semplice fotografia del volto precedentemente registrato sul dispositivo”. Fonte: https://www.cybersecurity360.it/news/quanto-e-sicuro-il-riconoscimento-biometrico-sugli-smartphone-un-test-apre-a-utili-riflessioni/, consultata il 22 marzo 2025.
[16] Una tecnologia assistiva in grado di “tradurre” un contenuto audio in parole scritte, convertendolo o in un documento testuale o in un’altra modalità di visualizzazione.
[17] M. SNYDER, The self‐monitoring of expressive behavior. Journal of Personality and Social Psychology, (1974).
[18] Asse ipotalamo‐ipofisi‐surrene.
[19] Il cortisolo è un ormone prodotto dalle cellule della fascicolata del surrene in risposta all’ormone ipofisario ACTH. L’ACTH è dunque il precursore
del cortisolo. Il cortisolo viene spesso definito “ormone dello stress” perché la sua produzione aumenta, appunto, in condizioni di stress
psico‐fisico severo e, nel caso di interesse alla presente disamina, nel caso di manipolazione di risposta ad un questionario. Con la sua azione,
quest’ormone tende ad inibire le funzioni corporee non indispensabili nel breve periodo, garantendo il massimo sostegno agli organi vitali. Per detta ragione il cortisolo determina, tra l’altro, un aumento della gittata cardiaca e dei valori glicemici.
[20] Fonte: http://francescobarbato.wordpress.com/tag/cortisolo/
[21] Musso A., Muzzo G., Gadoni O., Il linguaggio segreto del corpo. Il significato dei gesti e dei comportamenti umani nella relazione con gli altri, Jackson libri (2000).
[22] Di Stefano M., Profiling. Tecniche e colloqui investigativi, appunti d’indagine, cit., pagg. 74-75.
[23]Bonastre J., Delgado H., ed altri, Benchmarking and challenges in security and privacy for voice biometrics, fonte: https://arxiv.org/abs/2109.00281
[24] Harshitha T L., Nair L. M. and Mary L., Forensic Automatic Speaker Recognition: Coping with Impersonated Speech, 2024 IEEE International Conference on Signal Processing, Informatics, Communication and Energy Systems (SPICES), Kottayam, India (2024), pp. 1-6, doi: 10.1109/SPICES62143.2024.10779874.
[25]Wang Z., Hansen J. H. L., Toward Improving Synthetic Audio Spoofing Detection Robustness via Meta-Learning and Disentangled Training With Adversarial Examples, fonte: https://arxiv.org/abs/2408.13341.
[26] Binder J. R. The Wernicke area: Modern evidence and a reinterpretation. Neurology. 2015 Dec 15;85(24):2170-5. doi: 10.1212/WNL.0000000000002219.
[27] Keshishian M., Mischler G., Thomas S., Kingsbury B., Bickel S., Mehta A. D., Mesgarani N., Parallel hierarchical encoding of linguistic representations in the human auditory cortex and recurrent automatic speech recognition systems; bioRxiv 2025.01.30.635775; doi: https://doi.org/10.1101/2025.01.30.635775.
[28]Batra A., Saraswat P., Agrawal R. and Yadav K., Employing Neural Networks for Speech Recognition, 2024 IEEE International Conference on Computing, Power and Communication Technologies (IC2PCT), Greater Noida, India, 2024, pp. 1279-1283, doi: 10.1109/IC2PCT60090.2024.10486702.
[29]Singh J. N., Sirohi S. and Mall S., Use of Artificial Intelligence in Voice Recognition, 2023 5th International Conference on Advances in Computing, Communication Control and Networking (ICAC3N), Greater Noida, India, 2023, pp. 995-998, doi: 10.1109/ICAC3N60023.2023.10541456.
[30] Berti L.C., Gauy M., da Silva L.C.S., Rios J.V.V., Morais V.B., Almeida T.C., Sossolete L.S., Quirino J.H.M., Martins C.F.P., Fernandes-Svartman F.R., Raposo de Medeiros B., Queiroz M., Gazzola M., Finger M., Acoustic Characteristics of Voice and Speech in Post-COVID-19. Healthcare (Basel). 2025 Jan 1;13(1):63. doi: 10.3390/healthcare13010063. PMID: 39791670; PMCID: PMC11719735.
[31] Con AUDIOSOMA, si intende una sequenza di caratteristiche fondamentali che evidenziano l’elemento combinato di una voce, mentre con AUDIOMA la catena audiosomica che caratterizza gli elementi univoci e discriminanti determinando l’impronta vocale
[32] Coletta E., Salvi D., Negroni V., Leonzio D. U., Bestagini P., Anomaly Detection and Localization for Speech Deepfakes via Feature Pyramid Matching, https://arxiv.org/abs/2503.18032.
[33] Qureshi S.M., Saeed A., Almotiri S.H., Ahmad F., Al Ghamdi M.A., Deepfake forensics: a survey of digital forensic methods for multimodal deepfake identification on social media. PeerJ Comput Sci. 2024 May 27;10:e2037. doi: 10.7717/peerj-cs.2037.
[34] 2018 Malicious Deep Fake Prohibition Act1: §1041.(b).(2): “the term ‘deep fake’ means an audiovisual record created or altered in a manner that the record would falsely appear to a reasonable observer to be an authentic record of the actual speech or conduct of an individual.”
[35] Williams, E., Jones, K., Robinson, C., Crnigoj, S., Burrell, H., & McColl, S. (2025). How Frequency and Harmonic Profiling of a ‘Voice’ Can Inform Authentication of Deepfake Audio: An Efficiency Investigation. Journal of Advances in Engineering and Technology. https://doi.org/10.54389/hgbc7543.
[36] Amerini, I.; Barni, M.; Battiato, S.; Bestagini, P.; Boato, G.; Bruni, V.; Caldelli, R.; De Natale, F.; De Nicola, R.; Guarnera, L.; et al. Deepfake Media Forensics: Status and Future Challenges. J. Imaging 2025, 11, 73. https://doi.org/10.3390/ jimaging11030073
[37] Qureshi S.M., Saeed A., Almotiri S.H., Ahmad F., Al Ghamdi M.A., Deepfake forensics: a survey of digital forensic methods for multimodal deepfake identification on social media. PeerJ Comput Sci. 2024 May 27;10:e2037. doi: 10.7717/peerj-cs.2037.
