用于改进欺骗攻击检测的新型语音特征
声音
2016-11-18 v1 密码学与安全
摘要
如今，诸如自动说话人验证（automatic speaker verification, ASV）之类的基于语音的生物识别系统极易受到冒名者的欺骗攻击。随着各种语音转换（voice conversion, VC）和语音合成（speech synthesis, SS）算法的最近发展，这些欺骗攻击可能对当前最先进的(state-of-the-art) ASV系统构成严重的潜在威胁。为了阻止此类攻击并增强ASV系统的安全性，开发能够区分合成或转换语音与自然或人类语音的高效反欺骗算法至关重要。本文中，我们提出一组用于检测欺骗攻击的新型语音特征。所提特征使用替代的频率扭曲技术和滤波器组对数能量的共振峰特定块变换来计算。我们已经针对来自ASVspoof 2015语料库的几种合成语音数据评估了已有特征和所提特征。结果表明，对于各种欺骗攻击检测任务，所提技术优于现有方法。本文研究的技术还能准确分类自然与合成语音，因为取得了0%的等错误率（equal error rates, EERs）。
引用
@article{arxiv.1603.04264,
title = {Novel Speech Features for Improved Detection of Spoofing Attacks},
author = {Dipjyoti Paul and Monisankha Pal and Goutam Saha},
journal= {arXiv preprint arXiv:1603.04264},
year = {2016}
}
备注
Presented in IEEE 2015 Annual IEEE India Conference (INDICON)