[发明专利]一种声纹动态口令的建模和验证方法

说明书

技术领域

本发明涉及一种语音生物特征识别技术，尤其是涉及防录音冒充的一种声纹动态口令的建模和验证方法。

背景技术

如今，信息安全已发展成为一个全世界网民普遍关注的热点问题。就在2011年底，互联网上传出全球最大的中文IT社区CSDN.NET遭遇黑客攻击，600万用户账号及明文密码泄露，用户资料被大量传播，引起了网民的集体恐慌。由此看来，传统的身份安全认证手段已受到严重威胁。相比传统基于文本密码匹配的身份认证，生物特征识别技术具有无可替代的优势。生物特征识别技术包括指纹识别、人脸识别、掌静脉识别、声纹识别等。其中声纹识别尤其适用于远程身份认证，被誉为“远程DNA”。

声纹识别(又称说话人识别)是从说话人发出的语音信号中自动提取说话人信息，并对说话人进行身份识别的过程。声纹识别具有特征采集设备成本低廉、交互自然等优点，仅需要一个麦克风就能轻松获取我们的语音特征，并能实现电话声纹识别。近年来，声纹识别技术开始应用于司法社区矫正、银行身份认证等领域。

声纹识别技术包括文本无关和文本相关类型，其中文本无关类型允许用户随便说，但一般要采集足够长的有效语音，才能保证识别效果。文本相关类型要求用户验证时要说与登记时一样的语音内容，才能合法通过。但这两种类型均存在一个风险，就是录音冒充问题。如果冒充者拿高保真的录音设备，录下合法用户的语音，则很有可能冒充通过。

为规避录音冒充风险，可在每次验证时，产生随机动态口令(文本内容不一样)，并要求用户按照动态口令内容读出语音，否则不予通过。这种声纹识别方式，可称为文本提示型，或声纹动态口令。针对这种认证方式，已有发明专利提出申请，如基于动态密码语音的身份确认系统及方法(中国专利申请号：20131023555.0)。但该申请采用动态密码对应的整个字符串(如“438259”)做为HMM(隐马尔科夫模型)建模单元，不方便扩充(例如要更换字符，把数字换成非数字的汉字，则原有的字符发音都不能用)，而且每次验证时，均需要重新建模，也即重新训练对应的密码声学HMM，不仅实时性会降低，而且可靠性也会受到影响。

发明内容

本发明的目的在于提供只需要声纹登记时进行一次建模过程，验证时不再需要重新建模，方便高效，结合HMM和GMM(或i-vector)，把语音识别和声纹识别技术更好的融合在一起，使得身份认证系统更加可靠的一种声纹动态口令的建模和验证方法。

本发明包括如下步骤：

1)声纹建模：声纹系统提示用户输入语音，接收到语音并检查合格后，进行声纹建模；

2)声纹验证：声纹系统产生随机动态口令，生成相应的受限语法，然后根据用户输入的语音，进行语音识别和声纹确认；

3)声纹系统根据融合分数，与事先设定的阈值比对，给出接受或拒绝的结果。

在步骤1)中，所述声纹建模的方法可为：若基于HMM，则以声韵母为语音识别建模单元；若基于GMM或i‐vector，则对声纹特征进行建模。

在步骤2)中，所述生成相应的受限语法的方法可为：基于声韵母词典和动态口令内容，生成受限语法，对语音内容进行匹配，匹配越一致，则语音识别得分越高；同时，对声纹特征进行1∶1比对，得到声纹确认得分。

在步骤3)中，所述声纹系统根据融合分数，与事先设定的阈值比对的具体方法可为：将语音识别得分和声纹确认得分根据以下公式进行融合：

scoreFused＝1/(1+exp(-(scoreASR/2+α*scoreVPR)))

其中，scoreFused是系统融合得分，scoreASR是基于HMM的语音识别得分，scoreVPR是GMM(或i-vector)的声纹确认得分，α是调节系数，可根据实际应用调节；

最后，系统融合得分将与预设阈值比对，超过阈值则表示接受通过，未超过则予以拒绝。

所述预设阈值可根据实际应用做调整。

本发明将语音识别和声纹识别技术有效地融合在一起，并且在验证时不用重新建模。其中语音识别是基于隐马尔科夫模型(HMM)，采用声韵母建模单元，根据动态口令内容，实时生成受限语法，对语音内容进行有效识别，同时得到针对该受限语法的语音识别得分。声纹识别可基于高斯混合模型(GMM)或i‐vector，对说话人的身份进行有效确认，得出声纹识别得分。本发明最后根据语音识别和声纹识别融合后的得分，进行说话人身份和内容的双重验证，因此可有效防止录音冒充，大大提升声纹识别系统的准确性和可靠性。

附图说明

图1为声纹建模过程。