[发明专利]一种端到端的声纹识别防重放攻击方法、装置及可读介质

权利要求书

1.一种端到端的声纹识别防重放攻击方法，其特征在于，包括以下步骤：

S1，获取待识别语音数据，并将所述待识别语音数据进行预处理并数字转换为音频序列数据，所述音频序列数据为浮点型数据；

S2，将所述音频序列数据输入经训练的声纹防重放识别模型，所述声纹防重放识别模型包括相接的五个卷积单元和一个全连接层，其中，每个卷积单元包括依次连接的一维卷积层、最大池化层和批归一化层，输出识别结果，基于所述识别结果确定所述待识别语音数据为真实音频或录音重放音频。

2.根据权利要求1所述的端到端的声纹识别防重放攻击方法，其特征在于，所述步骤S1中将所述待识别语音数据进行预处理并转换为音频序列数据，具体包括：

将所述待识别语音数据进行VAD处理，提取有效语音片段；

将所述有效语音片段进行数字转换，由字节数组型数据为浮点型数据，并得到具有时间序列的音频序列数据。

3.根据权利要求1所述的端到端的声纹识别防重放攻击方法，其特征在于，所述声纹防重放识别模型的训练过程中具体包括：将收集到的不同设备和/或场景下的真实音频和录音重放音频进行人工标注、预处理和数字转换，并对所述声纹防重放识别模型进行训练，直至所述声纹防重放识别模型达到预期效果或直至满足训练结束条件。

4.根据权利要求1所述的端到端的声纹识别防重放攻击方法，其特征在于，所述声纹防重放识别模型中的一维卷积层的感受野为160，步长为16。

5.一种端到端的声纹识别防重放攻击装置，其特征在于，包括：

数据转换模块，被配置为获取待识别语音数据，并将所述待识别语音数据进行预处理并数字转换为音频序列数据，所述音频序列数据为浮点型数据；

识别模块，被配置为将所述音频序列数据输入经训练的声纹防重放识别模型，所述声纹防重放识别模型包括相接的五个卷积单元和一个全连接层，其中，每个卷积单元包括依次连接的一维卷积层、最大池化层和批归一化层，输出识别结果，基于所述识别结果确定所述待识别语音数据为真实音频或录音重放音频。

6.根据权利要求5所述的端到端的声纹识别防重放攻击装置，其特征在于，所述数据转换模块中将所述待识别语音数据进行预处理并转换为音频序列数据，具体包括：

将所述待识别语音数据进行VAD处理，提取有效语音片段；

将所述有效语音片段进行数字转换，由字节数组型数据为浮点型数据，并得到具有时间序列的音频序列数据。

7.根据权利要求5所述的端到端的声纹识别防重放攻击装置，其特征在于，所述声纹防重放识别模型的训练过程中具体包括：将收集到的不同设备和/或场景下的真实音频和录音重放音频进行人工标注、预处理和数字转换，并对所述声纹防重放识别模型进行训练，直至所述声纹防重放识别模型达到预期效果或直至满足训练结束条件。

8.根据权利要求5所述的端到端的声纹识别防重放攻击装置，其特征在于，所述声纹防重放识别模型中的一维卷积层的感受野为160，步长为16。

9.一种电子设备，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-4中任一所述的方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-4中任一所述的方法。