该论文研究了深度学习语音合成技术对现实世界中语音认证系统构成的真实威胁。作者提出并演示了两种具体的攻击方法：一是语音DNA克隆攻击，攻击者只需目标说话人几秒钟的公开语音样本，就能合成出足够逼真的语音，以绕过基于声纹的认证系统（如银行电话语音认证）；二是实时全双工语音伪装攻击，攻击者在与受害者的实时通话中，利用合成语音伪装成其他人，实现实时语音操纵。两种攻击均采用低资源迁移学习技术，仅需少量目标样本即可完成模型微调，大大降低了攻击门槛。作者在多个商业语音认证系统上进行了实验，验证了攻击的有效性，并讨论了现有防御机制的不足。该研究揭示了语音合成技术带来的安全挑战，提醒语音认证系统需要更强大的反欺骗机制。