基于信道模式噪声的录音回放攻击检测

近来出现的高质量低价格的录音及回放设备的高保真度使人耳也难以分辨出原始语音和回放语音,这使得录音回放攻击对说话人识别系统的安全造成了很大威胁.为此,文中提出了一种基于信道模式噪声的录音回放攻击检测方法.该方法根据原始语音与回放语音信道的差异,针对不同信道中的录音及回放设备引入不同的信道模式噪声,采用去噪滤波器和统计帧分析的方法提取信道模式噪声,在信道模式噪声的基础上提取了6阶Legendre系数及6个统计特征,并利用支持向量机训练信道噪声模型判决输入是否为回放攻击.实验结果表明,加载录音回放检测模块后,说话人识别系统对含有回放攻击数据的等错误率下降了约30%.

基于对角双谱系数的录音回放攻击检测

录音回放攻击是说话人确认系统实际应用时面临的最大挑战。为实现录音回放攻击检测,首先对录音回放语音的输入信道结构特点和频率响应进行分析,发现输入信道结构上的差异会导致时域卷积效应和频率响应的高频衰减。因此,基于双谱分析的高维度频域信息表达能力,结合对角切片双谱计算和IMel滤波,提出一种录音回放攻击检测的对角双谱系数(Diagonal BiSpectrum Coefficient,DBSC)特征。在基于ASVspoof 20172.0语料库的录音回放攻击检测实验中,采用DBSC特征的录音回放攻击检测等错误率(Equal Error Rate,EER)为22.21%,相比常数Q倒谱系数(Constant Q Cepstral Coefficient,CQCC)特征和Teager能量倒谱系数(Teager Energy Cepstral Coefficient,TECC)特征分别下降了6%和38.39%。结果说明,DBSC特征能够有效表征真实语音和录音回放语音的差异,具有良好的录音回放攻击检测能力。

录音回放攻击检测技术综述

随着录音设备价格的降低,质量的提高,且不需要专业知识的优势,所以回放攻击已成为一种最常见、最重要的说话人识别系统攻击手段。本文介绍了录音回放的易破坏性,总结了现有关于各种攻击方式(模拟说话人攻击、语音合成攻击、语音转换攻击以及回放攻击)的相关研究,并详细对现有回放攻击检测技术进行了介绍与分析,为今后相关工作的开展提供了可靠全面的背景介绍。

说话人认证录音回放检测方法综述

基于生物特征的身份认证已得到学术界及企业的高度重视,指纹、人脸识别应用已非常普遍,但对于非现场身份认证,语音相对其他生物特征,具有用户接受程度高、拾音设备简单、随时随地可用、数据量小、计算复杂度低等优势,因此基于声纹的身份认证系统应用越来越广泛。另一方面,由于录音回放攻击简单易行,不需要任何专业知识,且随着廉价、高质量的录音/播放装置的日益增多,回放录音与原始音的相似度越来越高,已成为声纹认证系统最主要的攻击手段之一,因此如何识别录音回放等攻击成为说话人认证系统必须面对的问题。本文对录音回放检测方法进入了全面的介绍,通过对各种方法的分析,表明其研究尚处于起步阶段,但需求日益旺盛。

具有仿冒攻击检测的鲁棒性说话人识别

仿冒攻击严重影响说话人识别系统的安全应用。文中提出了一种具有录音回放仿冒攻击检测能力的说话人识别系统,该系统采用前端攻击检测与后端说话人确认的串联结构,并通过信道频响分析和说话人个性特征分析提出了一种信道频响差强化倒谱系数(Channel frequency response Difference Enhancement Cepstral Coefficient,CDECC),该特征参数通过三阶多项式非线性频率尺度变换同时强化语音信号低频段和高频段的频谱分量,能够有效反映不同输入信道频率响应和不同说话人语音频谱的差异。基于ASVspoof 20172.0数据库的非特定说话人文本无关录音回放攻击检测的实验表明,采用CDECC的录音回放攻击检测等错率(EER)为25.03%,相比基线系统下降了10%。通过在说话人确认的前端嵌入录音回放攻击检测模块,说话人识别系统的错误接受率(FAR)明显下降,系统EER从3.32%下降为1.01%,鲁棒性得到有效提升。