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。

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。