本文针对智能音箱面临的语音重放攻击（即攻击者播放预录的合法用户语音来欺骗音箱）提出了一种鲁棒的语音活性检测（Voice Liveness Detection, VLD）系统。现有VLD方法通常依赖单个麦克风提取声学特征（如频谱、倒谱），但容易被高质量重放攻击绕过。作者创新性地利用智能音箱通常配备的麦克风阵列（多个麦克风）来提取空间声学特征：不同用户声音到达各麦克风的时间差（TDOA）和相位差构成独特的“声纹指纹”，而重放语音由于经过扬声器再传播，其空间特征与真实人声存在差异。系统设计包括：1）利用麦克风阵列采集多通道音频；2）提取基于到达时间差和相位差的特征向量；3）训练轻量级二分类器（如SVM或小神经网络）区分真实语音与重放语音。在包含多种环境、说话人、攻击设备的实际场景下进行实验，数据集涵盖不同距离、角度和重放设备（手机、笔记本电脑等）。结果表明，该系统的检测准确率超过98%，对高质量重放攻击的鲁棒性显著优于传统单麦克风方法，且计算开销低，适合部署在资源受限的智能音箱上。主要贡献包括：首次将麦克风阵列空间特征用于智能音箱VLD；提出了鲁棒的特征提取与分类框架；在真实环境中验证了有效性。