[发明专利]利用语音振幅信息和多种相位检测语音欺诈重放攻击方法

说明书

本发明公开了一种利用语音振幅信息和多种相位检测语音欺诈重放攻击方法，主要包括以下几个步骤：S1：提取不同的相位特征以及振幅特征；S2：使用GMM模型进行判别式训练；S3：在分数级别进行信息融合获得判别结果。本发明充分考虑到了语音中的相位信息，充分利用存在在语音中的相关信息，通过融合不同的相位信息，分析相位与振幅之间的互补性，具有能自动判断语音为真实语音还是重放语音，对语音欺诈检测非常有效。

技术领域

本发明涉及自动说话人检测技术领域，具体是涉及一种利用语音振幅信息和多种相位检测语音欺诈重放攻击方法。

背景技术

语音技术已经成为人机交互的重要媒介，已经在语音处理的各个领域中进行了许多研究。随着科学技术的进步，计算机安全系统的安全性和可靠性受到了极大的关注，并且自动说话人验证在现实中得到了广泛的应用。自动说话人验证是指检测和识别给定的语音是否属于给定的说话者，其中重放攻击是最容易实现的欺骗攻击，也是最危险的攻击形式之一。

自动说话人检测中的重放攻击是使用目标说话者的语音记录来进行的，这些语音记录在自动说话人检测系统中被重放以代替真正的语音，例如使用智能设备重放目标说话者语音的录音来解锁使用自动说话人检测系统进行访问控制的智能手机。因此对于重放攻击的研究中，使用一种简单有效的方法进行语音重放攻击检测尤为重要。

现有的研究多利用声学特征中振幅进行说话人识别的分析，忽略了语音信息中相位这一重要的辅助信息。借助语音信号处理方法中对语音的分析处理，利用多种相位信息的不同组合，使得检测重放攻击的实验结果更加精确。通过对重放检测实验效果的评估，可以检测出真实语音同重放录音之间的差异，对于整个说话人检测系统的安全性和可靠性都有着现实意义。

发明内容

针对现有重放攻击检测的方法中忽略相位信息的问题，本发明提供了一种利用语音振幅信息和多种相位检测语音欺诈重放攻击方法，结合振幅和相位信息的特征提取方法，运用高斯混合模型(GMM)进行建模，可以检测出真实语音同重放录音之间的差异。

本发明的技术方案是:一种利用语音振幅信息和多种相位检测语音欺诈重放攻击方法，主要包括以下步骤：

S1：振幅特征以及相位特征提取：

所述振幅特征为CQCC特征，所述相位特征为Mel-RP特征以及MPVT特征；其中，振幅特征的提取是通过将使用恒Q变换将频率仓的几何空间转化为线性空间；相位特征的提取主要通过了预处理方法得到相位谱，然后在此基础上进行处理；

S2：进行各特征模型训练；

S3：分数级别特征融合：如步骤S2进行模型训练，并且使用以下模型来获得真实语音和欺骗语音之间的对数似然之间的差异来进行计算分数；

S＝log(P(X|θ_g))-log(P(X|_θs))

其中，P表示的是似然函数，X表示的是特征向量序列，θ_g和θ_s分别为真实语音与欺诈语音的模型的参数。利用各种功能相互补充，以增加这种差异。

为了更好地将相位信息与振幅信息相结合，使用分数级别特征融合的方法，该方法在分数水平上组合两个系统之间的信息，以获得信息增益并提高组合系统的最终结果，认为信息的融合处于得分水平，可以强调相位和振幅特征的优点；对于两个得分组合，使用线性组合的方法；对于两个系统分数级别的信息融合，使用如下方式进行组合：

L_comp＝(1-α)L₁+αL₂

针对三个独立模型进行分数级别的信息融合，使用以下公式进行信息融合：