CN105991288A - 声纹密码文本生成方法及系统 - Google Patents

Abstract

本发明公开了一种声纹密码文本生成方法及系统，该方法包括：确定各声纹密码文本字符的说话人区分性能；选择说话人区分性能满足要求的字符构建声纹密码文本候选字符集；从所述声纹密码文本候选字符集挑选字符生成声纹密码文本。利用本发明，可以提高声纹认证的准确性。

Description

声纹密码文本生成方法及系统

技术领域

本发明涉及身份认证技术领域，具体涉及一种声纹密码文本生成方法及系统。

背景技术

随着信息技术的迅猛发展，通信以及网络的全球覆盖使得信息公开化成为历史必然，伴随着信息透明化，个人隐私的安全性也受到了极大的威胁，如何正确地进行个人身份的识别进而保护私人数据是现代社会需要重点关注的方向之一。声纹作为个人身份相关性很高的生物特征已被应用到身份认证领域中，并且声纹密码认证可以利用密码文本和声纹特征两种加密手段进行加密，具有较强的安全保障，得到了社会广泛的关注和应用。

现有的声纹密码生成方法一般分为以下两种：

1)固定密码文本，即在用户的注册阶段和认证阶段使用相同的密码文本，如“芝麻开门”，在注册阶段让用户朗读多遍“芝麻开门”完成声纹模型训练数据录制，在认证阶段直接让用户朗读注册时密码文本，进行声纹密码认证。

2)随机密码文本，即在用户注册阶段和认证阶段的密码文本都是系统随机产生的。

上述第1)种固定密码文本，由于密码文本的公开化，容易被冒认者利用目标说话人录音进行冒认。

上述第2)种随机密码文本的随机性，经常会出现一些区分性较差的字符作为密码文本，如‘555’，进行声纹认证时，由于‘5’的发音过于低沉，相对于其它字符文本，较难将冒认说话人和目标说话人区分开，从而降低认证效果。另外，现有方法在声纹认证时，由于经常会存在一些字符组合的发音很难完全切分开的现象，如零声母的字符组合‘25’，在声纹模型建模时，容易混入难切分字符的语音，导致模型训练不准确，认证准确度下降，如对字符‘2’进行声纹模型训练时，训练数据中含有字符‘5’的语音。

发明内容

本发明实施例提供一种声纹密码文本生成方法及系统，以提高声纹认证的准确性。

为此，本发明实施例提供如下技术方案：

一种声纹密码文本生成方法，包括：

确定各声纹密码文本字符的说话人区分性能；

选择说话人区分性能满足要求的字符构建声纹密码文本候选字符集；

从所述声纹密码文本候选字符集挑选字符生成声纹密码文本。

优选地，所述确定各字符的说话人区分性能包括：

收集各声纹密码文本字符的语音数据；

利用所述语音数据训练所述字符的声纹模型；

将所述字符作为声纹密码文本进行目标说话人和冒认说话人声纹认证，并根据认证结果确定所述字符的说话人区分性能。

优选地，所述说话人区分性能指标包括以下任意一种或多种组合：等错误率、识别正确率、检测代价。

优选地，所述从所述声纹密码文本候选字符集挑选字符包括：

随机从所述声纹密码文本候选字符集挑选设定个数的字符。

优选地，所述方法还包括：

计算所述声纹密码文本候选字符集中每个字符被选中为声纹密码文本的概率；

划分概率区间；

所述从所述声纹密码文本候选字符集挑选字符包括：

根据划分的概率区间从所述声纹密码文本候选字符集中挑选字符。

优选地，所述根据划分的概率区间从所述声纹密码文本候选字符集中挑选字符包括：

建立概率区间与所述声纹密码文本候选字符集中字符的对应关系；

生成随机数；

挑选所述随机数所属的概率区间对应的字符或字符组合。

优选地，所述方法还包括：

确定声纹密码文本字符排列规则；

所述从所述声纹密码文本候选字符集挑选字符生成声纹密码文本包括：

从所述声纹密码文本候选字符集挑选字符，并依照所述排列规则将挑选的字符生成声纹密码文本。

优选地，所述声纹密码文本字符排列规则包括：

相同字符不能相邻；

零声母字符不能相邻。

一种声纹密码文本生成系统，包括：

区分性能确定模块，用于确定各声纹密码文本字符的说话人区分性能；

候选字符集生成模块，用于选择说话人区分性能满足要求的字符构建声纹密码文本候选字符集；

字符挑选模块，用于从所述声纹密码文本候选字符集挑选字符；

密码文本生成模块，用于将挑选的字符生成声纹密码文本。

优选地，所述区分性能确定模块包括：

语音数据获取单元，用于收集各声纹密码文本字符的语音数据；

训练单元，用于利用所述语音数据训练所述字符的声纹模型；

认证确定单元，用于将所述字符作为声纹密码文本进行目标说话人和冒认说话人声纹认证，并根据认证结果确定所述字符的说话人区分性能。

优选地，所述字符挑选模块，具体用于随机从所述声纹密码文本候选字符集挑选设定个数的字符。

优选地，所述系统还包括：

计算模块，用于计算所述声纹密码文本候选字符集中每个字符被选中为声纹密码文本的概率；

区间划分模块，用于划分概率区间；

所述字符挑选模块，具体用于根据划分的概率区间从所述声纹密码文本候选字符集中挑选字符。

优选地，所述字符挑选模块包括：

对应关系建立单元，用于建立概率区间与所述声纹密码文本候选字符集中字符的对应关系；

随机数生成单元，用于生成随机数；

选择单元，用于挑选所述随机数所属的概率区间对应的字符或字符组合。

优选地，所述系统还包括：

排列规则确定模块，用于确定声纹密码文本字符排列规则；

所述密码文本生成模块，具体用于依照所述排列规则将挑选的字符生成声纹密码文本。

本发明实施例提供的声纹密码文本生成方法及系统，选择说话人区分性能较好的字符作为候选字符构建声纹密码文本候选字符集，从候选字符集中挑选字符生成声纹密码文本。由于生成声纹密码文本的各字符具有较好的说话人区分性能，因此有效地提高了声纹密码认证的效果。

进一步地，按照确定的声纹密码文本字符排列规则生成声纹密码文本，从而有效地避免了生成的密码文本中出现难切分的字符组合的情况，进而提高声纹密码认证的效果。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。

图1是本发明实施例声纹密码文本生成方法的流程图；

图2是本发明实施例声纹密码文本生成系统的一种结构示意图；

图3是本发明实施例声纹密码文本生成系统的另一种结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明实施例的方案，下面结合附图和实施方式对本发明实施例作进一步的详细说明。

如图1所示，是本发明实施例声纹密码文本生成方法的流程图，包括以下步骤：

步骤101，确定各声纹密码文本字符的说话人区分性能。

所述声纹密码文本字符可以是汉字、字母、数字或特殊符号中的一种或多种组合。

在本发明实施例中，可以采用数据驱动的方法计算每个声纹密码文本字符针对不同说话人的区分性能，具体过程如下：

1)收集各声纹密码文本字符的语音数据。

也就是说，所述语音数据包含相应的字符，而且，对应一个字符有多个不同说话人的语音数据。

2)利用所述语音数据训练所述字符的声纹模型。

对于每个字符，利用收集到的包含该字符的大量说话人的语音数据提取声学特征，利用模型训练准则进行声纹模型训练，所述训练准则如最大似然准则，所述模型例如HMM(Hidden Markov Model，隐马尔可夫模型)、GMM(GaussianMixture Model，高斯混合模型)，从而得到对应该字符的声纹模型。

3)将所述字符作为声纹密码文本进行目标说话人和冒认说话人声纹认证，并根据认证结果确定所述字符的说话人区分性能。

具体地，对于每个字符，将其作为声纹密码文本，利用对应该字符的声纹模型和该字符对应的目标说话人语音，首先进行自适应训练得到该目标说话人对应的声纹模型，所述自适应算法例如最大后验概率；然后利用所述声纹模型对目标说话人和冒认说话人进行声纹认证，根据认证结果计算该字符的说话人区分性能。

所述说话人区分性能可以采用不同的指标来表示，比如：等错误率、识别正确率、检测代价等，当然还可以采用这些指标的任意组合来计算所述字符的说话人区分性能。

所述等错误率是与当前字符的虚警率E_fa和漏警率E_miss相关的区分性能衡量指标，所述等错误率指标表明所有的错误(错误接受、错误拒绝)代价都是相同的，如式(1)所示。所述虚警率表示错误接受冒认说话人语音的比例，所述漏警率表示错误拒绝目标说话人语音的比例，所述虚警率E_fa和漏警率E_miss的计算方式如式(2)和式(3)所示，由式(2)和式(3)易知当所述虚警率E_fa越低时，所述漏警率E_miss就越高，反之亦然；特殊地，当虚警率E_fa和漏警率E_miss相等时，即为等错误率，当前字符语音段等错误率越小时，当前字符的区分性越好。

P_err＝E_fa＝E_miss (1)

$E_{\mathrm{fa}}=\frac{n_{\mathrm{fa}}}{n_{\mathrm{imposter}}}---\left(2\right)$

$E_{\mathrm{miss}}=\frac{n_{\mathrm{miss}}}{n_{t\arg \mathrm{et}}}---\left(3\right)$

其中，n_fa指使用冒认说话人语音认证时被当成目标说话人语音被接受的次数；n_imposter指使用冒认说话人语音认证次数。n_miss指目标说话人语音认证时被当成冒认说话人语音被拒绝的次数，n_target指使用目标说话人语音认证次数。

所述识别正确率P_corr是与当前字符等错误率P_err相关的区分性能衡量指标，当前字符的识别正确率越大时，区分性能越好，具体计算方法如式(4)所示：

P_corr＝1-P_err (4)

所述检测代价C_det是与虚警率E_fa和漏警率E_miss以及应用场景有关的一个区分性能评价指标，用于描述认证错误后造成损失的大小，一般检测代价越小，造成的损失越小，区分性越好，具体计算方式如式(5)所示：

C_det＝C_fa*E_fa*P_tar+C_miss*E_miss*(1-P_tar) (5)

其中，C_fa和C_miss分别是虚警代价和漏警代价，具体取值根据实际应用场景设定，例如，特定目标说话人的侦听工作场景中，会把C_miss设置很大，防止出现太多漏警情况。P_tar指实际认证时，当前用户为目标说话人的概率，具体取值根据经验或实验结果设定。1-P_tar指实际认证时，当前用户为冒认说话人的概率。

步骤102，选择说话人区分性能满足要求的字符构建声纹密码文本候选字符集。

根据发音规则及语言学相关理论，有些文本字符对不同说话人的区分性较好，而有些文本字符对不同说话人的区分性较差。为此，在本发明实施例中，挑选出区分性较好的字符作为声纹密码文本的候选字符，构建声纹密码文本候选字符集。

对于不同的指标，所述的要求也是不同的。以等错误率P_err为例，如果步骤101计算得到的当前字符语音段的等错误率P_err小于设定的阈值，则确定该字符满足要求，否则不满足要求。

步骤103，从所述声纹密码文本候选字符集挑选字符生成声纹密码文本。

需要说明的是，在从所述声纹密码文本候选字符集挑选字符时，可以有多种方式，比如：

方式一

随机从所述声纹密码文本候选字符集挑选设定个数的字符生成声纹密码文本。

方式二

1)计算所述声纹密码文本候选字符集中每个字符被选中为声纹密码文本的概率。

具体地，可以根据各字符的说话人区分性能指标，计算声纹密码文本候选字符集中每个字符被挑选为声纹密码文本的概率，以前面提到的等错误率区分性能指标为例，计算公式如下：

$P_i=\frac{1}{P_{\mathrm{err}}\underset{i=0}{\overset{N}{\mathrm{\Σ}}}\frac{1}{P_{\mathrm{err}}}}---\left(6\right)$

其中，P_i表示声纹密码文本侯选字符集中第i个字符被选中的概率，N表示声纹密码文本侯选字符集中所有字符数。

由式(6)可以看出当前字符被选中的概率与当前字符的等错误率成反比，即等错误率越大，说明当前字符的区分性越差，被选中的概率也就越低。

2)划分概率区间。

具体划分时，可以将声纹密码文本侯选字符集中所有字符根据其被选中的概率依次进行区间划分，以百分比为单位，具体划分范围为[1，100]。如侯选字符集中有3个字符‘A’、‘B’、‘C’，被选中的概率分别为0.2、0.3、0.5。可以划分3个概率区间，分别为：[1，20]、[21，50]及[51，100]，其中，概率区间[1，20]对应字符‘A’，概率区间[21，50]对应字符‘B’，概率区间[51，100]对应字符‘C’。当然，每个概率区间也可以对应多个字符。

3)根据划分的概率区间从所述声纹密码文本候选字符集中挑选字符。

在实际应用中，可以有多种挑选方式。

比如，随机生成范围在[1，100]的随机数，根据所述随机数所属的概率区间，选择相应概率区间对应的字符或字符组合作为当前声纹密码文本字符。如生成的随机数为25，则选择概率区间[21，50]对应的字符‘B’作为当前声纹密码文本字符。

再比如，依照概率区间由高到低的顺序，依次随机在相应区间中挑选字符或字符组合。

本发明实施例提供的声纹密码文本生成方法，选择说话人区分性能较好的字符作为候选字符构建声纹密码文本候选字符集，从候选字符集中挑选字符生成声纹密码文本。由于生成声纹密码文本的各字符具有较好的说话人区分性能，因此有效地提高了声纹密码认证的效果。

进一步地，在从所述声纹密码文本候选字符集挑选字符生成声纹密码文本时，为了避免出现一些字符组合的发音很难完全切分开的问题，在本发明方法另一实施例中，还可以根据语言学发音原理确定一些声纹密码文本字符排列规则，比如：

1)相同字符不能相邻；

2)零声母字符不能相邻。

相应地，在将挑选出的字符组合成生成声纹密码文本时，就需要依照上述规则进行组合，比如，在挑选相应的字符后，还要检查将该字符加入到声纹密码文本字符序列中后，相邻字符的排列方式是否符合上述规则，如果不符合，可以放弃该字符重新挑选或调整该字符的位置，直到声纹密码文本字符序列达到设定的长度。这样可以避免因为快速连读而出现字符不能完全切分的情况，同时也避免了没有声母的字符连读时不易切分开的情况。

同样，在采用划分概率区间的方式时，如果一个概率区间对应多个字符，在选择字符时，字符间的排列也要符合上述排列规则。

需要说明的是，利用本发明实施例声纹密码文本生成方法生成的密码文本，可以单独应用于用户注册阶段或用户认证阶段，也可以同时应用于用户注册阶段和用户认证阶段，对此本发明实施例不做限定。

相应地，本发明实施例还提供一种声纹密码文本生成系统，如图2所示，是该系统的一种结构示意图。

在该实施例中，所述系统包括：

区分性能确定模块201，用于确定各声纹密码文本字符的说话人区分性能；

候选字符集生成模块202，用于选择说话人区分性能满足要求的字符构建声纹密码文本候选字符集；

字符挑选模块203，用于从所述声纹密码文本候选字符集挑选字符；

密码文本生成模块204，用于将挑选的字符生成声纹密码文本。

上述区分性能确定模块201具体可以采用数据驱动的方法计算每个声纹密码文本字符针对不同说话人的区分性能，该模块的一种具体结构包括以下各单元：

语音数据获取单元，用于收集各声纹密码文本字符的语音数据；

训练单元，用于利用所述语音数据训练所述字符的声纹模型；

认证确定单元，用于将所述字符作为声纹密码文本进行目标说话人和冒认说话人声纹认证，并根据认证结果确定所述字符的说话人区分性能。

在实际应用中，所述说话人区分性能可以采用不同的指标来表示，比如：等错误率、识别正确率、检测代价等，当然还可以采用这些指标的任意组合来计算所述字符的说话人区分性能。

相应地，上述认证确定单元在根据认证结果确定所述字符的说话人区分性能时可以基于上述不同指标来确定，具体可参照前面本发明方法实施例中的描述，在此不再赘述。

上述候选字符集生成模块202需要挑选出区分性较好的字符作为声纹密码文本的候选字符，构建声纹密码文本候选字符集。同样，对于不同的指标，所述的要求也是不同的，需要根据具体的指标做适应性调整。

在实际应用中，上述字符挑选模块203可以采用多种方式从所述声纹密码文本候选字符集挑选字符。

比如，字符挑选模块203可以随机从所述声纹密码文本候选字符集挑选设定个数的字符。

再比如，在图3所示的本发明实施例声纹密码文本生成系统的另一种结构中，所述系统还包括：

计算模块301，用于计算所述声纹密码文本候选字符集中每个字符被选中为声纹密码文本的概率；

区间划分模块302，用于划分概率区间。

相应地，在该实施例中，字符挑选模块203可以根据划分的概率区间从所述声纹密码文本候选字符集中挑选字符。比如，字符挑选模块203的一种具体结构可以包括以下各单元：

对应关系建立单元，用于建立概率区间与所述声纹密码文本候选字符集中字符的对应关系；

随机数生成单元，用于生成随机数；

选择单元，用于挑选所述随机数所属的概率区间对应的字符或字符组合。

当然，字符挑选模块203还可以采用其它具体方式根据划分的概率区间从所述声纹密码文本候选字符集中挑选字符，比如依照概率区间由高到低的顺序，依次随机在相应区间中挑选字符等等，对此本发明实施例不做限定。

本发明实施例提供的声纹密码文本生成系统，选择说话人区分性能较好的字符作为候选字符构建声纹密码文本候选字符集，从候选字符集中挑选字符生成声纹密码文本。由于生成声纹密码文本的各字符具有较好的说话人区分性能，因此有效地提高了声纹密码认证的效果。

进一步地，为了避免在生成的声纹密码文本中出现一些字符组合的发音很难完全切分开的问题，在本发明系统另一实施例中，还可以包括：排列规则确定模块(未图示)，用于确定声纹密码文本字符排列规则。具体地，可以根据语言学发音原理确定如下一些声纹密码文本字符排列规则：

1)相同字符不能相邻；

2)零声母字符不能相邻。

相应地，密码文本生成模块204需要依照所述排列规则将挑选的字符生成声纹密码文本。具体地，检查在将挑选的字符加入到声纹密码文本字符序列中后，相邻字符的排列方式是否符合上述排列规则，如果不符合，可以放弃该字符重新挑选或调整该字符的位置，直到声纹密码文本字符序列达到设定的长度。这样可以避免因为快速连读而出现字符不能完全切分的情况，同时也避免了没有声母的字符连读时不易切分开的情况。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

以上对本发明实施例进行了详细介绍，本文中应用了具体实施方式对本发明进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及系统；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (14)

1.一种声纹密码文本生成方法，其特征在于，包括：

确定各声纹密码文本字符的说话人区分性能；

选择说话人区分性能满足要求的字符构建声纹密码文本候选字符集；

从所述声纹密码文本候选字符集挑选字符生成声纹密码文本。

2.根据权利要求1所述的方法，其特征在于，所述确定各字符的说话人区分性能包括：

收集各声纹密码文本字符的语音数据；

利用所述语音数据训练所述字符的声纹模型；

将所述字符作为声纹密码文本进行目标说话人和冒认说话人声纹认证，并根据认证结果确定所述字符的说话人区分性能。

3.根据权利要求1所述的方法，其特征在于，所述说话人区分性能指标包括以下任意一种或多种组合：等错误率、识别正确率、检测代价。

4.根据权利要求1所述的方法，其特征在于，所述从所述声纹密码文本候选字符集挑选字符包括：

随机从所述声纹密码文本候选字符集挑选设定个数的字符。

5.根据权利要求1所述的方法，其特征在于，所述方法还包括：

计算所述声纹密码文本候选字符集中每个字符被选中为声纹密码文本的概率；

划分概率区间；

所述从所述声纹密码文本候选字符集挑选字符包括：

根据划分的概率区间从所述声纹密码文本候选字符集中挑选字符。

6.根据权利要求5所述的方法，其特征在于，所述根据划分的概率区间从所述声纹密码文本候选字符集中挑选字符包括：

建立概率区间与所述声纹密码文本候选字符集中字符的对应关系；

生成随机数；

挑选所述随机数所属的概率区间对应的字符或字符组合。

7.根据权利要求1至6任一项所述的方法，其特征在于，所述方法还包括：

确定声纹密码文本字符排列规则；

所述从所述声纹密码文本候选字符集挑选字符生成声纹密码文本包括：

从所述声纹密码文本候选字符集挑选字符，并依照所述排列规则将挑选的字符生成声纹密码文本。

8.根据权利要求7所述的方法，其特征在于，所述声纹密码文本字符排列规则包括：

相同字符不能相邻；

零声母字符不能相邻。

9.一种声纹密码文本生成系统，其特征在于，包括：

区分性能确定模块，用于确定各声纹密码文本字符的说话人区分性能；

候选字符集生成模块，用于选择说话人区分性能满足要求的字符构建声纹密码文本候选字符集；

字符挑选模块，用于从所述声纹密码文本候选字符集挑选字符；

密码文本生成模块，用于将挑选的字符生成声纹密码文本。

10.根据权利要求9所述的系统，其特征在于，所述区分性能确定模块包括：

语音数据获取单元，用于收集各声纹密码文本字符的语音数据；

训练单元，用于利用所述语音数据训练所述字符的声纹模型；

认证确定单元，用于将所述字符作为声纹密码文本进行目标说话人和冒认说话人声纹认证，并根据认证结果确定所述字符的说话人区分性能。

11.根据权利要求9所述的系统，其特征在于，

所述字符挑选模块，具体用于随机从所述声纹密码文本候选字符集挑选设定个数的字符。

12.根据权利要求9所述的系统，其特征在于，所述系统还包括：

计算模块，用于计算所述声纹密码文本候选字符集中每个字符被选中为声纹密码文本的概率；

区间划分模块，用于划分概率区间；

所述字符挑选模块，具体用于根据划分的概率区间从所述声纹密码文本候选字符集中挑选字符。

13.根据权利要求12所述的系统，其特征在于，所述字符挑选模块包括：

对应关系建立单元，用于建立概率区间与所述声纹密码文本候选字符集中字符的对应关系；

随机数生成单元，用于生成随机数；

选择单元，用于挑选所述随机数所属的概率区间对应的字符或字符组合。

14.根据权利要求9至13任一项所述的系统，其特征在于，所述系统还包括：

排列规则确定模块，用于确定声纹密码文本字符排列规则；

所述密码文本生成模块，具体用于依照所述排列规则将挑选的字符生成声纹密码文本。