ИММУНОЛОГИЧЕСКАЯ МОДЕЛЬ ТЕКСТОНЕЗАВИСИМОЙ ГОЛОСОВОЙ ИДЕНТИФИКАЦИИ ЛИЧНОСТИ

  • Ю. А. Брюхомицкий Южный федеральный университет
Ключевые слова: Текстонезависимая голосовая идентификация личности, линейный предсказатель речевого сигнала, кепстральный анализ, искусственные иммунные системы, модель клональной селекции с положительным отбором

Аннотация

Предлагается иммунологическая модель клональной селекции с положительным от-
бором, которая основана на принципах массово-параллельной обработки данных, наблю-
даемых в искусственной иммунной системе. Модель предназначена для текстонезависимой
идентификации личности по голосу. В отличие от известных парольных систем иденти-
фикации голоса, предлагаемая модель реализует децентрализованное распознавание голо-
совых данных путем их сопоставления с детекторами, моделирующими иммунокомпе-
тентные клетки иммунной системы. Исходные голосовые признаки формируются в линей-
ном предсказателе речи и представляются кепстральными коэффициентами. Последова-
тельность кепстральных коэффициентов расчленяется далее на равные временные участ-
ки – морфемы, представляющие собой абстрактные языковые единицы, объединяющие
фонемы. Морфемы несут индивидуальную окраску воспроизводимых голосом последова-
тельных временных участков речи, что позволяет продуктивно использовать их в качест-
ве идентификационных признаков голоса. Сопоставление голосовых морфем с детектора-
ми осуществляется по принципу позитивной селекции на основе меры близости Евклида.
Принятие моделью идентификационного решения «свой-чужой» реализуется на основе
статистического подхода по частоте срабатывания детекторов. Предлагаемая модель
реализует идентификацию личности говорящего в темпе поступления его голосовых дан-
ных. При этом идентификация личности инвариантна языку, объему и содержанию речи.
Преимущество модели – полная защищенность от атак воспроизведения. Эффективная
реализация модели, точность и скорость идентификации обусловлены возможностью
организации высокоскоростного анализа больших объемов голосовых данных, что в пер-
спективе согласуется с темпами разработки и применения вычислительных систем высо-
кой производительности.

Литература

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, Issue 5, pp. 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, pp. 534-550.
3. Pervushin E.A. Obzor osnovnykh metodov raspoznavaniya diktorov [Overview of the main methods
of speaker recognition], Matematicheskie struktury i modelirovanie [Mathematical structures
and modeling], 2011, Issue 24, pp. 41-54.
4. Grishin V.M., Kalashnikov D.M. Rechevoy fragmentator dlya neyrosetevogo biometricheskogo
vokodera [Speech fragmentator for neural network biometric vocoder], Penza-2012: Tr.
nauchno-tekhnicheskoy konferentsii klastera penzenskikh predpriyatiy, obespechivayushchikh
bezopasnost' informatsionnykh tekhnologiy [Penza-2012: Proceedings of the scientific and technical
conference of the cluster of Penza enterprises providing information technology security].
Available at: http://pniei.rf/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, pp. 257-268.
6. Makarevich O.B., Babenko L.K., Fedorov V.M., Yurkov P.Yu. Tekstonezavisimaya
autentifikatsiya/identifikatsiya po golosu v sistemakh upravleniya dostupom [Text-independent authentication/
voice identification in access control systems], X Vserossiyskaya nauchnoprakticheskaya
konferentsiya «Problemy informatsionnoy bezopasnosti v sisteme vysshey shkoly»
[X All–Russian scientific and practical conference "Problems of information security in the
higher school system"]. Moscow: MIFI, 2003, pp. 28-29.
7. Mozharov G.P., Chebotarev R.S. Tekstonezavisimyy metod identifikatsii cheloveka po ego golosu
[Text-independent method of identifying a person by his voice], Inzhenernyy zhurnal: nauka i
innovatsii [Engineering Journal: Science and Innovation], 2012, No. 11, pp. 168-178.
8. Klimenko N.S. Razrabotka struktury tekstonezavisimoy sistemy identifikatsii diktora [Development
of the structure of a text–independent speaker identification system], Iskusstvennyy intellect [Artificial
Intelligence], 2012, No. 4, pp. 161-171.
9. Bimbot F. et al. A Tutorial on Text-Independent Speaker Verification, EURASIP Journal on
Applied Signal Processing, 2004, No. 4, pp. 430-451.
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. Iskusstvennye immunnye sistemy i ikh primenenie [Artificial immune systems and their application],
ed. by D. Dasgupty: transl. from engl. by A.A. Romanyukhi. Moscow: Fizmatlit, 2006, 344
p.13. Bryukhomitskiy Yu.A., Federov V.M. Metod tekstonezavisimoy identifikatsii lichnosti po golosu
[The method of text-independent identification of a person by voice], Izvestiya YuFU.
Tekhnicheskie nauki [Izvestiya SFedU. Engineering Sciences], 2018, No. 8 (202), pp. 173-181.
14. Bryukhomitskiy Yu.A., Fedorov V.M. Immunologicheskiy podkhod k identifikatsii lichnosti po
golosu [Immunological approach to voice identification], Spetsial'naya svyaz' i bezopasnost'
informatsii» (SSBI – 2019): Mater. III mezhdunarodnoy nauchno-prakticheskoy konferentsii. Krasnodar,
18 fevralya 2019 g. [Special communication and information security" (SSBI – 2019):
Proceedings of the III International Scientific and Practical Conference. Krasnodar, February
18, 2019]. Krasnodar: Izd-vo: Krasnodarskiy TSNTI – filial FGBU «REA» Minenergo Rossii,
2019, pp. 24-30.
15. Bryukhomitskiy Yu.A. Tekstonezavisimaya identifikatsiya lichnosti po dinamicheskim
biometricheskim parametram na osnove immunnoy modeli klonal'noy selektsii [Text-independent
identification of a person by dynamic biometric parameters based on the immune model of
clonal selection], Izvestiya YuFU. Tekhnicheskie nauki [Izvestiya SFedU. Engineering Sciences],
2018, No. 5 (199), pp. 142-151.
16. Markel Dzh., Grey A.Kh. Lineynoe predskazanie rechi [Linear prediction of speech]: transl. from
engl. by, ed. by Yu.N. Prokhorova, V.S. Zvezdina. Moscow: Svyaz', 1980, 308 p.
17. Litvintseva A.V., Obolonin M.A. Ispol'zovanie lineynogo predskazatelya rechi v programmnoy
modeli nizkoskorostnogo vokodera dlya peredachi rechi po gidroakusticheskomu kanalu svyazi
[Using a linear speech predictor in a software model of a low-speed vocoder for speech transmission
over a hydroacoustic communication channel], Sovremennye problemy nauki i
obrazovaniya [Modern problems of science and education], 2013, No. 3. Available at:
https://science-education.ru/ru/article/view?id=9158 (accessed 04 April 2022).
18. Anden J., Mallat S. Multiscale Scattering for Audio Classification, Proceedings of the 12th
International Society for Music Information Retrieval Conference, ISMIR 2011, Miami, Florida,
USA, October 24-28, 2011.
19. Mallat S. Group Invariant Scattering, Communications in Pure and Applied Mathematics,
2012, Vol. 65, No. 10.
20. Bryukhomitskiy Yu.A. Immunologichekiy metod verifikatsii rukopisi s ispol'zovaniem vektornogo
predstavleniya dannykh [Immunological method of manuscript verification using vector representation
of data], Izvestiya YuFU. Tekhnicheskie nauki [Izvestiya SFedU. Engineering Sciences],
2016, No. 9 (182), pp. 50-57.
21. Bryukhomitskiy Yu.A. Immunologicheskiy podkhod k identifikatsii lichnosti po dinamicheskim
biometricheskim parametram [Immunological approach to identity identification by dynamic
biometric parameters] Izvestiya YuFU. Tekhnicheskie nauki [Izvestiya SFedU. Engineering Sciences],
2017, No. 5 (190), pp. 56-66.
Опубликован
2022-05-26
Выпуск
Раздел
РАЗДЕЛ I. СИСТЕМЫ УПРАВЛЕНИЯ И МОДЕЛИРОВАНИЯ