Статья

Название статьи МЕТОД ТЕКСТОНЕЗАВИСИМОЙ ИДЕНТИФИКАЦИИ ЛИЧНОСТИ ПО ГОЛОСУ
Автор Ю. А. Брюхомицкий, В. М. Федоров
Рубрика РАЗДЕЛ III. МАТЕМАТИЧЕСКОЕ И ПРОГРАММНОЕ ОБЕСПЕЧЕНИЕ
Месяц, год 08, 2018
Индекс УДК 004.067
DOI 10.23683/2311-3103-2018-8-173-181
Аннотация Предлагается иммунологический метод решения задачи текстонезависимой идентификации личности по голосу, основанный на принципах представления и обработки речевой информации, принятых в искусственных иммунных системах. Для идентификации личности по голосу используется модель Фанта, в которой, речевой сигнал образуется путем прохождения через фильтр высокого порядка. В качестве векторов признаков используются кепстральные коэффициенты, полученные на основе линейного предсказателя речи. Последующий анализ векторов признаков осуществляется на основе аппарата искусственных иммунных систем с использованием иммунологической модели отрицательного отбора. Модель реализует децентрализованное распознавание последовательно идущих фрагментов речи, путем их сопоставления со специальными, предварительно созданными распознающими элементами – детекторами, имитирующими иммунокомпетентные клетки иммунной системы. Сопоставление осуществляется с использованием меры близости Евклида по принципу негативной селекции. Принятие решения «свой»-«чужой» при анализе речевого сигнала реализуется на основе статистического подхода по частоте срабатывания детекторов. Метод прошел экспериментальную проверку в среде MATLAB, которая показала его работоспособность и эффективность. Метод предназначен для непрерывного аутентификационного контроля личности говорящего в темпе поступления голосовых данных при воспроизведении текста произвольного объема и содержания, что позволяет своевременно принимать решение о возможной подмене дикторов. Преимуществом метода является его полная защищенность от атак воспроизведения. Эффективная реализация метода, повышение его точности тесно связаны с возможностью организации параллельных вычислений больших объемов данных, обусловленных размерами анализируемых текстов и размерами популяции детекторов. Это обстоятельство обуславливает перспективу применения многопроцессорных вычислительных систем высокой производительности.

Скачать в PDF

Ключевые слова Текстонезависимая идентификация личности по голосу; кепстральный анализ; линейный предсказатель речевого сигнала; искусственные иммунные системы; модель отрицательного отбора.
Библиографический список 1. Kenny P., Ouellet P., Dehak N., et al. A study of interspeaker variability in speaker verification // IEEE Trans. Audio Speech Language Processing. – 2008. – Vol. 16, Iss. 5. – P. 980-988.
2. Zhang Sh.-X, Mak M.-W. A new adaptation approach to high-level speaker-model creation in speaker verification // Speech Communication. – 2009. – Vol. 51. – P. 534-550.
3. Первушин Е.А. Обзор основных методов распознавания дикторов // Математические структуры и моделирование. – 2011. – Вып. 24. – С. 41-54.
4. Гришин В.М., Калашников Д.M. Речевой фрагментатор для нейросетевого биометрического вокодера // Пенза-2012. Труды научно-технической конференции кластера пензенских предприятий, обеспечивающих безопасность информационных технологий. – http://пниэи.рф/activity/science/BIT/T8-p73.pdf.
5. Lei Y., Hansen J. H.L. Mismatch modeling and compensation for robust speaker verification // Speech Communication. – 2011. – Vol. 53. – P. 257-268.
6. Макаревич О.Б., Юрков П.Ю., Федоров В.М. Применение рекуррентных нейронных сетей для текстонезависимой идентификации диктора // Сб. трудов «Информационная безопасность». – Таганрог, 2002. – С. 200-201.
7. Макаревич О.Б., Бабенко Л.К., Федоров В.М., Юрков П.Ю. Текстонезависимая аутентификация/идентификация по голосу в системах управления доступом // X Всероссийская научно-практическая конференция «Проблемы информационной безопасности в системе высшей школы». – М.: МИФИ, 2003. – С. 28-29.
8. Bimbot F. et al. A Tutorial on Text-Independent Speaker Verification // EURASIP Journal on Applied Signal Processing. – 2004. – No. 4. – P. 430-451.
9. Фант Г. Акустическая теория речеобразования. – М.: Наука, 1964. – 283 с.
10. Dasgupta D. Artificial Immune Systems and Their Applications, Ed., Springer-Verlag, 1999.
11. De Castro L.N., Timmis, J.I. Artificial Immune Systems: A New Computational Intelligence Approach, London: Springer-Verlag, 2000. – 357 p.
12. Искусственные иммунные системы и их применение / под ред. Д. Дасгупты: пер. с англ. А.А. Романюхи. – М.: Физматлит, 2006. – 344 с.
13. Dasgupta D., Forrest S. Tool breakage detection in milling operations using a negative-selection algorithm // Technical report CS95-5, Department of computer science, University of New Mexico, 1995.
14. Forrest S., Perelson A.S., Allen L., Cherukuri R. Self-nonself discrimination in a computer // In: Proc. of Ieee symposium on research in security, Oakland, CA, 16-18 May 1994. – P. 202-212.
15. Опенгейм А.В., Шафер Р.В. Цифровая обработка сигналов: пер. с англ. / под ред.
С.Я. Шаца. – М.: Связь, 1979. – 416 с.
16. Рабинер Л.Р., Шафер Р.В. Цифровая обработка речевых сигналов: пер. с англ. / под ред. М.В. Назарова, Ю.Н. Прохорова. – М.: Радио и связь, 1981. – 495 с.
17. Маркел Дж., Грэй А.Х. Линейное предсказание речи: пер с англ. / под ред. Ю.Н. Прохорова, В.С. Звездина. – М.: Связь, 1980. – 308 с.
18. Брюхомицкий Ю.А. Иммунологический подход к организации клавиатурного мониторинга // Известия ЮФУ. Технические науки. – 2014. – № 2 (151). – С. 33-41.
19. Брюхомицкий Ю.А. Иммунологичекий метод верификации рукописи с использованием векторного представления данных // Известия ЮФУ. Технические науки. – 2016. – № 9 (182). – С. 50-57.
20. Брюхомицкий Ю.А. Иммунологический подход к идентификации личности по динамическим биометрическим параметрам // Известия ЮФУ. Технические науки. – 2017. – № 5 (190).
– С. 56-66.

Comments are closed.