1 技术基础
1.1 语音信号的数字表征
1.1.1 采样与量化
语音信号本质上是连续的模拟波形。为了在数字系统中处理，首先需通过模数转换器（ADC）以固定时间间隔采集信号幅值，这一过程称为采样。根据奈奎斯特采样定理，采样频率必须至少为语音信号最高频率的两倍（通常取8kHz以上）。随后，每个采样值被映射到离散的量化层级，将无穷可能的幅值近似为有限个数值。量化过程会引入噪声，但通过合理的位深（如16位）可将失真控制在可接受范围内。
1.1.2 编码格式
数字化后的语音数据通常需压缩编码以降低传输带宽。常见格式包括：
- PCM（脉冲编码调制）：无压缩，保留原始波形，但码率高达64kbps（8kHz×8bit）。
- ADPCM（自适应差分脉冲编码调制）：通过预测差值编码，将码率降至32kbps或更低。
- CELP（码本激励线性预测）：用于移动通信，如AMR、G.729等，可在4~12kbps下保持清晰度。
- Opus：现代互联网音频编码，支持动态调整码率与延迟，广泛用于VoIP。
不同编码格式会影响加密算法的输入数据量，进而影响加解密速度与带宽占用。
1.2 加密核心原理
1.2.1 对称加密机制
对称加密使用同一密钥进行加密和解密。加密方将明文（语音帧）通过算法（如AES、ChaCha20）转换为密文，解密方用同样密钥恢复。其优势在于计算速度快，适合实时语音流。但密钥分发成为脆弱环节——若密钥在传输中被截获，整个通信将暴露。
1.2.2 非对称加密机制
非对称加密使用公钥加密、私钥解密，或反之（如RSA、ECC）。公钥可公开传输，私钥仅持有者保留。这解决了密钥分发问题，但计算开销远超对称加密，不适合直接加密连续语音流。因此，非对称加密常用于密钥交换阶段。
1.2.3 混合加密策略
实际语音加密系统采用混合策略：首先通过非对称加密协商会话密钥（临时对称密钥），随后使用对称加密保护整个通话。例如，端到端加密应用首先生成对称密钥，再用对方公钥加密后发送；对方用私钥解密获得密钥，后续语音用对称算法加密。这种设计兼顾安全性与实时性。
1.3 语音加密的特殊约束
1.3.1 实时性要求
语音通信要求极低的端到端延迟（通常<150ms）。加密与解密过程必须在毫秒级内完成，这意味着不能使用计算密集型的加密算法（如多层AES-256的迭代次数过多）或频繁的密钥协商。算法需经过优化，例如将加密与语音编码流水线并行处理。
1.3.2 带宽与延迟权衡
加密会增加数据量（如填充位、完整性校验码），限制可用有效带宽。面对狭窄信道（如短波电台），需选择轻量级算法并控制加密粒度（每帧而非每采样）。同时，丢包重传机制会引入额外延迟，因此语音加密常采用冗余编码或丢包容忍设计，而非严格实时重传。
2 历史发展
2.1 古典模拟扰频
2.1.1 频率倒置技术
最早期的语音加密技术之一：将语音信号的频谱进行“上下翻转”。例如，将300~3400Hz的频带以中心频率（约1850Hz）为轴颠倒——低频变高频，高频变低频。若无专用解码器，听到的是类似“鸭子说话”的奇怪声音。然而，该技术极易被破解：只需知道倒置频率或通过频谱分析即可恢复。
2.1.2 频带分割扰频
将语音频带分割成若干子带（如每段500Hz），然后将子带顺序打乱或进行矩阵置换。复杂度比倒置更高，但仍属线性操作。随着模拟滤波器性能提升，可用多个带通滤波器实现。不过，这种加密仍可通过统计分析（如语音能量分布规律）破解，且无法抵抗现代数字信号处理工具。
2.2 数字语音加密的兴起
2.2.1 早期公网电话加密
20世纪80年代，数字程控交换机普及后，模拟语音被数字化后可在网络内部加密。典型产品如“STU-III”（安全电话单元），它使用DES（数据加密标准）在64kbps PCM流上加密，但DES的56位密钥在90年代已被证明可被暴力破解。针对公网电话，研究者还引入量子密钥分发实验，但未商用。
2.2.2 移动通信加密标准
GSM网络使用A5系列算法（A5/1、A5/2、A5/3）对空中接口加密。早期A5/1因64位密钥被破解（已知明文攻击可数分钟内恢复密钥），A5/2甚至被设计为弱加密（部分国家出口限制）。后来的A5/3基于Kasumi（4G/LTE的128-EEA1）显著改善了安全性。3G/4G/5G标准中密钥长度增至128位以上，并引入完整性保护，防止篡改。
2.3 互联网时代 VoIP 加密
2.3.1 SRTP 协议
安全实时传输协议（Secure RTP）是RTP的扩展，为VoIP提供加密、消息认证和重放保护。它使用AES-CTR或AES-GCM加密语音载荷，密钥通过SIP（会话发起协议）中的SDP协商或MIKEY（多媒体互联网密钥管理）分发。SRTP已被广泛用于企业话机及软电话（如Zoiper、Linphone）。
2.3.2 ZRTP 协议
ZRTP是一种在媒体流中交换密钥的协议，无需依赖信令服务器。通话建立后，双方通过Diffie-Hellman（DH）密钥交换生成共享密钥，同时利用短认证字符串（SAS）口头比对防止中间人攻击。ZRTP被开源软件如Signal（早期）、WireGuard（非语音）等采用，但整体普及率低于SRTP。
3 主流加密算法
3.1 模拟域方法
3.1.1 时域加扰
在模拟信号层面，将语音片段按时间轴切分成小段（如20ms），然后随机重排顺序。接收端需知道打乱的序列才能重组。由于现代数字处理可轻易录制整段信号并尝试所有重排组合（若分段数小），该方法的密钥空间极其有限，已基本被淘汰。
3.1.2 频域加扰
除了倒置与分割，模拟域还可以通过加入伪随机噪声（如噪声掩蔽）隐藏语音。但合法接收端需精确合成相同噪声并扣除，这在模拟电路上极难实现。实践中，模拟扰频多作为一种“防好奇”手段，而非对抗专业窃听。
3.2 数字域方法
3.2.1 AES 加密与语音帧
高级加密标准（AES）是对称加密的事实标准。在语音通信中，常将编码后的语音帧（如每20ms一帧）作为独立明文块，使用AES-ECB、CBC或CTR模式加密。ECB模式容易泄露帧间模式（如静音帧多次加密结果相同），因此推荐使用CTR或GCM模式，同时提供完整性校验。密钥长128或256位，暴力破解在可预见的未来不可行。
3.2.2 混沌映射加密
混沌映射（如Logistic映射、Henon映射）利用对初始条件的敏感依赖性生成伪随机序列，用于语音的加扰或置乱。例如，将语音样本序列与混沌序列异或，或对语音帧的矩阵进行混沌置换。混沌加密计算快速，易嵌入嵌入式系统，但部分混沌映射存在弱密钥或可被相空间重构攻击破解，需谨慎设计。
3.3 端到端加密方案
3.3.1 基于证书的密钥交换
端到端加密要求通信双方直接协商密钥，不信任中间服务器。常用方法如Signal协议：每个用户生成长期身份密钥对（Ed25519），通过证书或指纹验证。通话前，双方交换一次性预密钥，结合DH生成会话密钥。语音帧用AES-GCM加密，同时附带MAC防止篡改。
3.3.2 前向保密设计
前向保密（Forward Secrecy）确保即使长期密钥泄露，历史通话记录仍受保护。实现方式：每次会话生成临时DH密钥对，会话密钥由临时密钥派生，长期密钥只用于签名验证。当会话结束后，临时密钥立即销毁。主流即时通讯应用（Signal、WhatsApp）均已采用此设计，并扩展至语音通话。
4 应用场景
4.1 军事与政府通信
4.1.1 战术无线电加密
单兵电台、车载电台使用专用加密模块（如AN/PRC-152中的AES-256）。频率跳扩结合加密，使得拦截方既难锁定载波又无法解调。典型标准如NSA的Suite A（保密）和Suite B（公开）。战场环境下加密延迟需低于100ms，且抗干扰编码（如COMSEC）自动丢弃伪造帧。
4.1.2 外交热线保密
国家元首间的“红色电话”采用极高安全等级：密钥通过物理信使分发，每次通话使用一次一密（One-Time Pad）或量子密钥分发。通信链路经有线或专用卫星，避免无线泄密。外交热线加密设备往往内置自毁机制，防止被物理获取。
4.2 企业商业隐私
4.2.1 保密电话会议
企业采购专业会议系统（如Polycom加密版）或云服务（如Zoom端到端加密模式）。会议期间，音频流使用AES-256-GCM加密，密钥通过PKI证书或SIP信令协商。同时提供“锁会议室”功能，禁止未授权参与者加入。为防止内部泄密，系统可录制加密流，但仅持有解密密钥的合规人员能回放。
4.2.2 内部通信系统
企业私有部署的PBX（IP-PBX）如FreeSwitch、Asterisk，支持启用TLS（信令加密）和SRTP（媒体加密）。管理员生成自签名证书或商用CA证书，员工软电话配置后即自动加密。内部系统常用混合加密：信令用RSA，语音用AES，密钥每24小时轮换。
4.3 个人用户防护
4.3.1 即时通讯语音加密
Signal、WhatsApp、Telegram（私密模式）等应用默认开启端到端加密。用户只需更新至最新版本，无需手动配置。加密覆盖语音呼叫全程，服务器仅转发密文。通过验证安全号码（Signal）或指纹（WhatsApp），可口头比对以防中间人。
4.3.2 防“偷听”小工具（梗：物理防狼器？）
市面上存在一些概念产品，例如“语音扰频贴纸”贴在手机麦克风上，使外界录制的语音变为噪杂的“外星语”。实际上，这类物理方法仅扰乱模拟信号，无法对抗数字处理。真正有效的个人防护仍是软件加密。至于所谓的“防偷听雨伞”“防窃听水杯”——更多是娱乐性质，可戏称其为“物理防狼器”，不过它们确实能通过产生反向噪声让窃听者头疼（但无法解码加密语音本身）。
5 安全性与破解挑战
5.1 常见攻击手段
5.1.1 侧信道分析
攻击者不直接破解加密算法，而是窃听设备运行时的物理泄露：功耗波动、电磁辐射、运行时间差异等。例如，AES加密过程中，不同操作引起的功耗曲线可被统计并恢复密钥。对策是使用恒定时间算法、屏蔽电路或随机化指令顺序。在语音设备中，侧信道攻击因麦克风与扬声器的干扰而难度增加，但并非不可能。
5.1.2 重放与中间人攻击
重放攻击指攻击者录制加密语音包，稍后重新发送以欺骗接收方。抗重放措施：为每个包附加唯一序号（递增），接收端拒绝重复序号。中间人攻击（MITM）则是在通信双方之间伪造密钥交换。防御依赖证书验证或共享秘密（如ZRTP的SAS比对）。若用户忽略比对，MITM可成功解密并窃听语音。
5.2 已知破解案例
5.2.1 模拟扰频的脆弱性
所有模拟扰频方法均可被现代数字处理轻松攻破：采集扰频信号、快速傅里叶变换（FFT）、识别倒置频率或子带模式，然后逆向恢复。1980年代，美国军方发现拦截的Cordless Phone通信（使用模拟扰频）可在数秒内解扰。因此，模拟扰频仅适合恐吓业余监听者。
5.2.2 弱密钥的悲剧
GSM的A5/1算法在2010年被破解团队利用彩虹表与FPGA实现实时解密。原因在于密钥长度仅64位且设计留有后门（如A5/2弱加密）。2017年，研究人员证实某些蓝牙语音加密方案（如SCMS-T）使用固定密钥，导致所有通话可被监听。此类事件凸显了密钥管理的重要性——再强的算法，若密钥可预测或固定，则形同虚设。
5.3 强化措施
5.3.1 密钥轮换策略
定期更换会话密钥可限制泄露影响。例如，每5分钟或每加密一定数据量后，双方重新执行一次DH交换或从主密钥派生新密钥。轮换期间加密不中断，采用“快照”方式切换。此策略被用于军事跳频电台和商业VoIP系统。
5.3.2 抗干扰编码融合
将前向纠错（FEC）与加密结合：容忍一定比例丢包的同时，确保篡改可被检测。例如，在语音帧后附加CRC和纠错码，接收端先检查完整性，再解密。若连续出现无效帧，则触发警报或重新协商密钥。融合设计使攻击者难以通过注入干扰帧破坏解密同步。
6 未来趋势
6.1 量子加密语音通信
量子密钥分发（QKD）利用单光子不可克隆原理，使任何窃听行为必然改变量子态从而被发现。实验已实现城域内通过光纤传输的量子加密语音，但速率和设备成本仍是瓶颈。量子中继器的发展有望在未来10~20年内将语音量子加密推向实用，届时经典加密算法可能被降级为备用方案。
6.2 生物特征结合加密（如声纹密钥）
利用唯一生物特征（声纹、语音韵律）作为密钥或者加密参数。例如，将用户的声纹特征哈希处理，直接作为AES密钥。这种方法免除了记忆密钥的烦恼，但面临“语音样本被录制后即可重放”的威胁。解决方案是要求用户实时发声并检测活体特征（如随机数字阅读），结合动作防伪。苹果和微软已在部分设备上探索类似技术。
6.3 AI 辅助自适应加密策略
机器学习可根据语音内容的敏感度、当前网络状态和风险等级，动态调整加密强度。例如，检测到对话中出现“密码”“转账”等关键词时，自动切换至更长的密钥（256位）和更频繁的密钥轮换；信号稳定时启用全加密，丢包严重时降级为部分加密（静音段不加密）以保持通话连续。AI还可分析侧信道攻击特征，主动调整算法时序以避免泄露。不过，AI本身也可能被攻击者利用（如生成对抗样本干扰加密决策），需谨慎设计。