[发明专利]基于深度学习的说话人语音欺骗攻击检测方法及系统

摘要

一种基于深度学习的说话人语音欺骗攻击检测方法及系统，通过构建音频训练集，初始化并采用训练集的多帧特征向量和单帧向量序列分别训练深度前馈神经网络和深度递归神经网络；在测试阶段，将待测音频的帧级别和序列级别特征向量分别导入经训练的两个线性差分分析模型，将所得到的两个结果分数加权后作为评分，经与预定义阈值比较实现语音欺骗辨别。本发明既能够捕捉局部特征，又能把握全局信息。并且在识别验证阶段采用线性差分分析作为分类器，通过分数融合做出判断，能够极大地提高语音欺骗检测的精确度。

主权项

1.一种基于深度学习的说话人语音欺骗攻击检测方法，其特征在于，通过构建音频训练集，初始化并采用训练集的多帧特征向量和单帧向量序列分别训练深度前馈神经网络和深度递归神经网络；在测试阶段，将待测音频的帧级别和序列级别特征向量分别导入经训练的两个线性差分分析模型，将所得到的两个结果分数加权后作为评分，经与预定义阈值比较实现语音欺骗辨别；所述的经训练的两个线性差分分析模型是指：采用深度前馈神经网络和深度递归神经网络的最后一个隐层得到帧级别和序列级别特征向量分别训练两个线性差分模型，该线性差分分析模型中每个分类的密度由多维高斯分布建模：其中：x表示每一帧语音特征，p表示特征变量的维度，∑k和μ_k分别是第k个类的协方差、均值矩阵，该线性差分分析模型假定：Σ表示协方差矩阵，表示各维变量之间的相关度，K表示总高斯数量且后验概率由贝叶斯公式给出：其中：π_k是第k个类的先验概率，G表示高斯索引，X表示观测特征向量，π_t表示第t个高斯分量的权重。