ИММУНОЛОГИЧЕСКИЙ МЕТОД ТЕКСТОНЕЗАВИСИМОЙ ВЕРИФИКАЦИИ ЛИЧНОСТИ ПО ГОЛОСУ

  • Ю. А. Брюхомицкий Южный Федеральный Университет
  • В. М. Федоров Южный Федеральный Университет
Ключевые слова: Текстонезависимая верификация личности по голосу, кепстральный анализ, линейный предсказатель речевого сигнала, искусственные иммунные системы, модель отрицательного отбора, V-детекторы

Аннотация

Предлагается иммунологический метод решения задачи текстонезависимой иден-тификации личности по голосу, основанный на принципах представления и обработки ин-формации, принятых в искусственных иммунных системах. Для идентификации личности по голосу используется модель Фанта, в которой, речевой сигнал образуется путем про-хождения через фильтр высокого порядка. В качестве векторов признаков используются кепстральные коэффициенты, полученные на основе линейного предсказателя речи. После-дующий анализ векторов признаков осуществляется на основе аппарата искусственных иммунных систем с использованием иммунологической модели отрицательного отбора. Модель реализует децентрализованное распознавание последовательно идущих фрагмен-тов речи, путем их сопоставления со специальными, предварительно созданными распо-знающими элементами – V-детекторами, представленными -мерными гиперсферами варь-ируемого размера. V-детекторы заполняют все свободное от точек голосового эталона рабочее пространство, имитируя иммунокомпетентные клетки иммунной системы. Со-поставление фрагментов голосового сигнала с V-детекторами осуществляется путем проверки их попадания в гиперсферы V-детекторов по принципу негативной селекции. Ис-пользование V-детекторов позволяет более эффективно покрыть рабочее пространство голосовых фрагментов существенно меньшим числом распознающих элементов, что по-зволяет сократить вычислительные затраты на реализацию процедуры верификации го-лоса. Принятие решения «свой»-«чужой» при анализе речевого сигнала реализуется на ос-нове статистического подхода по частоте срабатывания V-детекторов. Метод предна-значен для непрерывного верификационного контроля личности говорящего в темпе посту-пления голосовых данных при воспроизведении текста произвольного объема и содержания, что позволяет своевременно принимать решение о возможной подмене дикторов. Пре-имуществом метода является его полная защищенность от атак воспроизведения.

Литература

1. Kenny P., Ouellet P., Dehak N., et al. A study of interspeaker variability in speaker verifica-tion, IEEE Trans. Audio Speech Language Processing, 2008, Vol. 16. Iss. 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 basic speaker recognition methods], 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 fragmenter 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 security of information technologies]. 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., Yurkov P.Yu., Fedorov V.M. Primenenie rekurrentnykh neyronnykh setey dlya tekstonezavisimoy identifikatsii diktora [The use of recurrent neural networks for text-independent speaker identification], Sb. trudov «Informatsionnaya bezopasnost'» [Collection of works "Information security"]. Taganrog, 2002, pp. 200-201.
7. Makarevich O.B., Babenko L.K., Fedorov V.M., Yurkov P.Yu. Tekstonezavisimaya autentifikatsiya/identifikatsiya po golosu v sistemakh upravleniya dostupom [Non-volatile au-thentication/voice identification in access control systems], X Vserossiyskaya nauchno-prakticheskaya konferentsiya «Problemy informatsionnoy bezopasnosti v sisteme vysshey shkoly» [X all-Russian scientific and practical conference "problems of information security in the system of higher education"]. Moscow: MIFI, 2003, pp. 28-29.
8. Bimbot F. et al. A Tutorial on Text-Independent Speaker Verification, EURASIP Journal on Applied Signal Processing, 2004, No. 4, pp. 430-451.
9. Fant G. Akusticheskaya teoriya recheobrazovaniya [Acoustic theory of speech formation]. M.: Nauka, 1964, 283 p.
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 applica-tion], ed. by D. Dasgupty: transl. from engl. A.A. Romanyukhi. Moscow: Fizmatlit, 2006, 344 p.
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, pp. 202-212.
15. Opengeym A.V., Shafer R.V. Tsifrovaya obrabotka signalov [Digital signal processing]: transl. from engl., ed. by S.Ya. Shatsa. Moscow: Svyaz', 1979, 416 p.
16. Rabiner L.R., Shafer R.V. Tsifrovaya obrabotka rechevykh signalov [Digital processing of speech signals]: transl. from engl., ed. by M.V. Nazarova, Yu.N. Prokhorova. Moscow: Radio i svyaz', 1981, 495 p.
17. Markel Dzh., Grey A.Kh. Lineynoe predskazanie rechi [Linear prediction of speech]: transl. from engl., ed. by Yu.N. Prokhorova, V.S. Zvezdina. Moscow: Svyaz', 1980, 308 p.
18. Bryukhomitskiy Yu.A. Immunologicheskiy podkhod k organizatsii klaviaturnogo monitoringa [Immunological approach to the organization of keyboard monitoring], Izvestiya YuFU. Tekhnicheskie nauki [Izvestiya SFedU. Engineering Sciences], 2014, No. 2 (151), pp. 33-41.
19. Bryukhomitskiy Yu.A., Fedorov V.M. Metod tekstonezavisimoy identifikatsii lichnosti po golosu [Method of text-independent identification of personality by voice], Izvestiya YuFU. Tekhnicheskie nauki [Izvestiya SFedU. Engineering Sciences], 2018, No. 8 (202), pp. 173-181.
20. Ji Z., Dasgupta D. Real-valued negative selection algorithm with variable-sized detectors, Genetic and Evolutionary Computation (GECCO 2004): Proceedings. – Berlin–Heidelberg: Springer-Verlag, 2004. Ser. LNCS 3102, Part I, pp. 287-298.
21. Ji Z., Dasgupta D.V-Detector: An Efficient Negative Selection Algorithm with «Proba-bly Adequate» Detector Coverage, Information Sciences, 2009, Vol. 179, pp. 1390-1406.
22. Pourhabibi T., Azmi R. Anomaly Based IDS Using Variable Size Detector Generation in AIS: A Hybrid Approach, International Journal of Machine Learning and Computing, June 2012, Vol. 2, No. 3.
Опубликован
2020-01-23
Выпуск
Раздел
РАЗДЕЛ II. МОДЕЛИРОВАНИЕ ПРОЦЕССОВ И СИСТЕМ.