CN107731234A - 一种身份验证的方法及装置 - Google Patents
一种身份验证的方法及装置 Download PDFInfo
- Publication number
- CN107731234A CN107731234A CN201710794932.1A CN201710794932A CN107731234A CN 107731234 A CN107731234 A CN 107731234A CN 201710794932 A CN201710794932 A CN 201710794932A CN 107731234 A CN107731234 A CN 107731234A
- Authority
- CN
- China
- Prior art keywords
- user
- voice messaging
- information
- authentication
- verified
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 73
- 238000004321 preservation Methods 0.000 claims abstract description 45
- 230000015654 memory Effects 0.000 claims description 18
- 238000004458 analytical method Methods 0.000 claims description 5
- 230000002452 interceptive effect Effects 0.000 claims description 5
- 230000005055 memory storage Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 description 19
- 238000003860 storage Methods 0.000 description 16
- 238000010586 diagram Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 11
- 238000012545 processing Methods 0.000 description 10
- 239000000284 extract Substances 0.000 description 9
- 230000006872 improvement Effects 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 6
- 238000000605 extraction Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 208000011580 syndromic disease Diseases 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 240000002853 Nelumbo nucifera Species 0.000 description 1
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 1
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 1
- 241000611009 Nematalosa come Species 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 229920001296 polysiloxane Polymers 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000010979 ruby Substances 0.000 description 1
- 229910001750 ruby Inorganic materials 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L17/00—Speaker identification or verification techniques
- G10L17/22—Interactive procedures; Man-machine interfaces
- G10L17/24—Interactive procedures; Man-machine interfaces the user being prompted to utter a password or a predefined phrase
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L17/00—Speaker identification or verification techniques
- G10L17/06—Decision making techniques; Pattern matching strategies
- G10L17/08—Use of distortion metrics or a particular distance between probe pattern and reference templates
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/08—Network architectures or network communication protocols for network security for authentication of entities
- H04L63/0861—Network architectures or network communication protocols for network security for authentication of entities using biometrical features, e.g. fingerprint, retina-scan
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Computer Hardware Design (AREA)
- Computer Security & Cryptography (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Telephonic Communication Services (AREA)
Abstract
本说明书公开一种身份验证的方法及装置，该方法中服务器可以在用户执行语音业务时，将采集该语音业务执行过程中的语音信息作为基准语音信息，确定该用户执行语音业务所基于的标识信息，并将该基准语音信息和该标识信息对应保存，和/或，将该基准语音信息对应的基准特征信息和该标识信息对应保存。当对该用户进行身份验证时，采集该用户的待验证语音信息，根据保存的该用户的标识信息对应的基准语音信息和该待验证语音信息，对该用户进行身份验证；或，根据保存的该用户的标识信息对应的基准特征信息和该待验证语音信息，对该用户进行身份验证。
Description
技术领域
本说明书涉及计算机技术领域，尤其涉及一种身份验证的方法及装置。
背景技术
为了保障用户信息的安全，在用户进行业务处理的过程中，通常都会对用户进行身份验证，以确定当前的业务处理是否是用户本人所执行的。
而除了常见的密码验证、问题验证等身份验证方式外，当前出现的一些新兴身份验证方式，如语音识别、人脸识别等不仅提高了身份验证的效率，还进一步提高了身份验证的安全性。
例如，在语音识别中，终端或客户端从服务器获取到一段指定的文字信息展示给用户，用户朗读这段文字信息，终端或客户端负责采集用户朗读的这段语音信息，并将采集到的这段语音信息返回给服务器，而服务器则将这段语音信息进行保存。在对用户进行身份验证时，服务器通过终端或客户端再次采集用户朗读这段文字信息的语音信息，并将采集到的语音信息与先前采集并保存的语音信息进行匹配，当确定两者匹配时，则确定用户通过身份验证。
基于现有技术，需要更为有效的身份验证的方式。
发明内容
本说明书提供一种身份验证的方法，用以解决现有技术的身份验证方式会给用户带来不便的问题。
本说明书提供了一种身份验证的方法，包括：
在用户执行语音业务时，采集所述语音业务执行过程中的语音信息，作为基准语音信息，并确定所述用户执行所述语音业务所基于的标识信息；
将所述基准语音信息和所述标识信息对应保存，和/或，将所述基准语音信息对应的基准特征信息和所述标识信息对应保存；
在对所述用户进行身份验证时，采集所述用户的待验证语音信息；
根据保存的所述用户的标识信息对应的基准语音信息和所述待验证语音信息，对所述用户进行身份验证；或，根据保存的所述用户的标识信息对应的基准特征信息和所述待验证语音信息，对所述用户进行身份验证。
本说明书提供一种身份验证的装置，用以解决现有技术的身份验证方式会给用户带来不便的问题。
本说明书提供了一种身份验证的装置，包括：
第一采集模块，在用户执行语音业务时，采集所述语音业务执行过程中的语音信息，作为基准语音信息，并确定所述用户执行所述语音业务所基于的标识信息；
保存模块，将所述基准语音信息和所述标识信息对应保存，和/或，将所述基准语音信息对应的基准特征信息和所述标识信息对应保存；
第二采集模块，在对所述用户进行身份验证时，采集所述用户的待验证语音信息；
识别模块，根据保存的所述用户的标识信息对应的基准语音信息和所述待验证语音信息，对所述用户进行身份验证；或，根据保存的所述用户的标识信息对应的基准特征信息和所述待验证语音信息，对所述用户进行身份验证。
本说明书提供一种身份验证的设备，用以解决现有技术的身份验证方式会给用户带来不便的问题。
本说明书提供了一种身份验证的设备，包括：一个或多个存储器以及处理器，所述存储器存储程序，并且被配置成由所述一个或多个处理器执行以下步骤：
在用户执行语音业务时，采集所述语音业务执行过程中的语音信息，作为基准语音信息，并确定所述用户执行所述语音业务所基于的标识信息；
将所述基准语音信息和所述标识信息对应保存，和/或，将所述基准语音信息对应的基准特征信息和所述标识信息对应保存；
在对所述用户进行身份验证时，采集所述用户的待验证语音信息；
根据保存的所述用户的标识信息对应的基准语音信息和所述待验证语音信息，对所述用户进行身份验证；或，根据保存的所述用户的标识信息对应的基准特征信息和所述待验证语音信息，对所述用户进行身份验证。
本说明书采用的上述至少一个技术方案能够达到以下有益效果：
在本说明书一个或多个实施例中，由于可以将在用户执行语音业务时采集到的语音信息作为该用户的基准语音信息，并将该基准语音信息用于对该用户的身份验证，而无需额外去采集用于对该用户进行身份验证的基准语音信息。这样不仅提高了信息的利用率，还有效的减少了用户在身份验证过程中的操作，从而给用户带来了便利。
附图说明
此处所说明的附图用来提供对本说明书的进一步理解，构成本说明书的一部分，本说明书的示意性实施例及其说明用于解释本说明书，并不构成对本说明书的不当限定。在附图中：
图1为本说明书提供的现有技术中服务器通过语音识别的方式对用户进行身份验证的示意图；
图2为本说明书提供的身份验证过程的示意图；
图3为本说明书提供的搭建有语音识别系统的示意图；
图4为本说明书提供的一种身份验证的装置示意图；
图5为本说明书提供的一种身份验证的设备示意图。
具体实施方式
在现有技术中，服务器在对用户进行身份验证之前，用户通常需要通过终端或客户端向服务器发送用于标识用户自身的基准语音信息，以使服务器利用该用户的基准语音信息，在后续过程中对用户进行身份验证，如图1所述。
图1为本说明书提供的现有技术中服务器通过语音识别的方式对用户进行身份验证的示意图。
例如，在语音识别中，终端或客户端会从服务器获取到一段指定的文字信息(如图1所示的“映日荷花别样红”)，用户需要朗读这段文字信息，以使终端或客户端采集到用户朗读的这段语音信息。终端或客户端将采集到的这段语音信息发送给服务器，而服务器可将该语音信息作为基准语音信息，进而在后续过程中，以该基准语音信息为基准，通过语音识别的方式对该用户进行身份验证。
当服务器需要通过语音识别对用户进行身份验证时，可通过终端或客户端重新将这段指定的文字信息展示给用户，用户朗读这段文字信息，终端或客户端负责采集用户朗读的这段语音信息，并将采集到的这段语音信息发送给服务器。服务器可将该语音信息作为待验证语音信息，并将该待验证语音信息和先前获取的该用户对应的基准语音信息进行匹配，当确定两者相匹配时，则确定该用户通过身份验证，否则不通过。
虽然服务器可以通过上述说明的语音识别方式对用户进行身份验证，但是由于需要用户在语音识别之前，事先将一段指定的语音信息录入到终端或客户端，并由终端或客户端发送给服务器。换句话说，服务器若想通过语音识别的方式对用户进行身份验证，就需要服务器主动向用户发送获取用户的语音信息作为基准语音信息的提示信息，若用户未通过该提示信息向服务器提供自己的语音信息，则服务器也将无法通过语音识别的方式对用户进行身份验证。而一旦服务器向用户发送了该提示信息，则势必会对用户构成打扰，从而给用户带来了不便。
为此，本说明书提供了一种身份验证的方法，可以在用户执行语音业务时，采集该语音业务执行过程中的语音信息作为基准语音信息，确定该用户执行语音业务所基于的标识信息，并将该基准语音信息和该标识信息对应保存，和/或，将该基准语音信息对应的基准特征信息和该标识信息对应保存。当对该用户进行身份验证时，采集该用户的待验证语音信息，根据保存的该用户的标识信息对应的基准语音信息和该待验证语音信息，对该用户进行身份验证；或，根据保存的该用户的标识信息对应的基准特征信息和该待验证语音信息，对该用户进行身份验证。
由于可以将在用户执行语音业务时采集到的语音信息作为该用户的基准语音信息，并将该基准语音信息用于对该用户进行身份验证，而无需额外通过向用户主动发送该提示信息的方式，去采集用于对该用户进行身份验证的语音信息。这样不仅提高了信息的利用率，还有效的减少了用户在身份验证过程中的操作，降低了对用户的打扰，从而给用户带来了便利。
在本说明书中，对用户进行身份验证的执行主体可以是服务器或者终端设备等各种设备，为了便于对本说明书提供的身份验证方法进行描述，下面将仅以服务器为执行主体进行说明。
本说明书提到的基准语音信息可以是指服务器采集到的用户的任意一段语音信息，而并不一定是服务器采集到的用户朗读指定文字信息的语音信息。同理，待验证语音信息可以是指服务器采集到的用户的任意一段语音信息，而并非一定是用户朗读指定文字信息的语音信息。
为了使本技术领域的人员更好地理解本说明书一个或多个实施例中的技术方案，下面将结合本说明书一个或多个实施例中的附图，对本说明书一个或多个实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本说明书保护的范围。
图2为本说明书提供的身份验证过程的示意图，具体包括以下步骤：
S200：在用户执行语音业务时，采集所述语音业务执行过程中的语音信息，作为基准语音信息，并确定所述用户执行所述语音业务所基于的标识信息。
在本说明书中，用户在执行语音业务的过程中，服务器可以采集该语音业务在执行过程中的语音信息。该语音信息可以用于后续对用户的身份验证，因此服务器可以将采集到的语音信息作为基准语音信息。
例如，用户在通过互动式语音应答(Interactive Voice Response，IVR)进行业务咨询时，服务器可以采集在该业务咨询过程中所产生的语音信息，并将采集到的语音信息作为后续对该用户进行身份验证时的基准语音信息。
而在用户执行该语音业务的过程中，服务器可以确定该用户执行该语音信息所基于的标识信息。例如，用户在通过IVR进行业务咨询时，服务器可以根据用户执行该业务所基于的手机号，确定出与该手机号关联的用户账号(即标识信息)；再例如，用户在通过IVR进行业务咨询的过程中，客服可以通过询问的方式，确定出该用户的用户账号，并由客服将该用户账号输入到服务器中，这样，服务器即可确定出该用户的用户账号。在本说明书中，标识信息除了可以是用户账号外，还可以是其他信息，如、手机号、身份证号等信息。
从上述过程中可以看出，为了不对用户进行额外的打扰，服务器可以在用户进行语音业务时，采集该语音业务执行过程中所产生的语音信息，进而利用采集到的语音信息，在后续过程中对用户进行身份验证，而无需额外再去采集用于对用户进行身份验证的语音信息，这样则有效的降低了对用户的打扰，给用户带来了方便。
需要说明的是，由于用户通过IVR进行业务咨询时，服务器除了将采集到用户的语音信息外，还会将服务方(如，客服)的语音信息一并进行采集。所以，在业务咨询的过程中，服务器收录的语音信息实际即包含有用户的语音信息也包含有客服的语音信息。然而，在后续对用户的身份验证中，客服的语音信息并不能起到作用，所以，需要将用户的语音信息从采集到的语音信息中过滤出来。
因此，在本说明书中，服务器可将在执行语音业务时采集到的语音信息进行分轨，进而得到该用户的语音信息。其中，由于用户的语音信息和服务方(即上述提到的客服)的语音信息来自不同的声源(如，用户的语音信息是来自终端的，而客服的语音信息则是来自IVR的)，所以，服务器可以通过不同的声源，将用户的语音信息和服务方的语音信息进行分轨，以得到用户的语音信息，并将该用户的语音信息作为基准语音信息。
在本说明书中，服务器可以先采集用户在执行语音业务时的语音信息，再确定该用户执行该语音业务所基于的标识信息，也可以先确定该用户的标识信息，再采集该用户在执行语音业务时的语音信息。换句话说，采集语音业务执行过程中的语音信息和确定该用户的标识信息这两个动作并没有固定的先后顺序。
S202：将所述基准语音信息和所述标识信息对应保存，和/或，将所述基准语音信息对应的基准特征信息和所述标识信息对应保存。
服务器在采集到上述说明的基准语音信息后，可将该基准语音信息和确定出的该用户的标识信息对应保存，以在后续过程中，通过该用户的标识信息，确定出该标识信息对应的基准语音信息，并通过该基准语音信息，对该用户以语音识别的方式进行身份验证。
当然，服务器也可以先确定出该基准语音信息对应的基准特征信息，并将该基准特征信息和该用户的标识信息对应保存。其中，服务器可以通过预设的识别模型，提取出该基准语音信息对应的基准特征信息。具体的，服务器可将该基准语音信息按照预设的形式进行转换，得到该基准语音信息对应的特征向量，并将该特征向量输入到该识别模型中，该识别模型可以通过预设的识别算法，对该特征向量进行特征提取，从而得到该基准语音信息对应的基准特征信息，并从该识别模型中输出。
例如，服务器可将采集到的基准语音信息转换成梅尔倒谱系数(Mel-FrequencyCepstral Coefficients，MFCC)形式的语音特征参数(即上述的特征向量)，并将该语音特征参数输入到识别模型中，该识别模型则对该语音特征参数进行特征提取，从而得到该基准语音信息对应的特征信息，即，基准特征信息。
在本说明书中，识别模型可以有多种，而对于IVR语音业务来说，可采用诸如高斯混合模型-通用背景模型(Gaussian Mixture Model-Uniform Background Model，GMM-UBM)、概率线性判别分析(Probabilistic Linear Discriminant Analysis，PLDA)模型等适合对长语音信息进行信息提取的识别模型。当然，服务器也可以采用其他的识别模型，如深度神经网络识别模型等，在此就不一一举例说明了。
服务器在通过该识别模型进行特征提取之前，需要对该识别模型进行训练，以使该识别模型能够准确的进行特征提取，保证后续身份验证的准确率。
因此，服务器事先可以收集若干用户的样本语音信息，进而根据收集的这些样本语音信息，对该识别模型进行训练。
例如，假设服务器获取到用户A、B、C的14个语音信息，其中，5个语音信息是属于用户A的，5个语音信息是属于用户B，剩余4个语音信息是属于用户C的。来自于同一用户的语音信息以预设的形式输入到该识别模型中，该识别模型输出的结果应当为匹配成功，而来自不同用户的语音信息以预设的形式输入到该识别模型中，该识别模型输出的结果应当是匹配失败。所以，服务器可以基于此对该识别模型进行训练，以使识别模型能够有效判断出服务器采集到的语音信息是否来自于同一用户。
需要说明的是，在本说明书中，该识别模型可具备两个功能：一、该识别模型可以从输入的语音信息中提取出该语音信息对应的特征信息；二、该识别模型可以将从不同的语音信息中提取出的不同特征信息进行匹配，并将匹配结果进行输出。
服务器通过该识别模型从基准语音信息中提取出基准特征信息时，可将该基准特征信息和用户的个人信息一起进行保存。例如，服务器可以按照下面的形式，将用户的账号信息、年龄、提取出的基准特征信息、基准语音信息、电话号码、基准语音信息的存储地址对应保存在特征信息库中：
{userid：13578125xxx，语音信息的文件：roxiesd.amr，语音信息的存储地址：xxxxxx，年龄：29，基准特征信息：sixiiijsss，电话号码：13578125xxx}
服务器可按照上述形式，将用户的基准特征信息和该用户的其他信息一起进行保存，这样，服务器后续可以通过保存的这些信息，对用户进行身份验证。并且，由于服务器按照这种形式保存信息时，并没有将数据量相对较大的用户的语音信息文件进行保存，而是保存了语音信息文件的名称以及存储地址，因此这样可以有效的节省空间，从而提高服务器的运行效率。
S204：在对所述用户进行身份验证时，采集所述用户的待验证语音信息。
S206：根据保存的所述用户的标识信息对应的基准语音信息和所述待验证语音信息，对所述用户进行身份验证；或，根据保存的所述用户的标识信息对应的基准特征信息和所述待验证语音信息，对所述用户进行身份验证。
在对用户进行身份验证时，服务器可以通过用户的终端或终端中的客户端，向用户展示身份验证的提示信息，如，提示用户随便说一段话等。终端或客户端采集到用户的待验证语音信息时，可将该待验证语音信息发送给该服务器。服务器获取到该待验证语音信息后，可以通过该待验证语音信息、识别模型以及先前在该用户执行语音业务时，采集到的该用户的基准语音信息，对该用户进行身份验证。
具体的，服务器可以确定用户的标识信息(如，确定对用户进行身份验证时，用户所使用的账户信息)，并根据确定出的标识信息，确定出该标识信息对应的基准语音信息。该基准语音信息即是先前该用户在执行语音业务时，服务器采集到的该用户的语音信息。
服务器可将确定出的该用户的基准语音信息以及采集到的该用户的待验证语音信息输入到上述识别模型中，以通过该识别模型，对该用户进行身份验证。具体的识别过程可以是：该识别模型从该基准语音信息中提取出该基准语音信息对应的基准特征信息，同理，该识别模型可从该待验证语音信息中提取出该待验证信息对应的待验证特征信息。然后，通过该识别模型将提取出的待验证特征信息与基准特征信息进行匹配，当确定两者的匹配度不小于设定匹配度时，则确定出该用户通过身份验证，否则确定该用户未通过身份验证。
当然，若服务器事先已从该基准语音信息中提取出相应的基准特征信息，并将该基准特征信息与该用户的标识信息对应保存在预设的特征信息库中，则可根据在对该用户进行身份验证时确定出的该用户的标识信息，从该特征信息库中确定出该标识信息对应的基准特征信息，并将该基准特征信息和采集到的该用户的待验证语音信息输入到该识别模型中。
其中，该识别模型可从该待验证语音信息中提取出该待验证语音信息对应的待验证特征信息，进而将该待验证特征信息和该基准特征信息进行匹配，当确定两者的匹配度不小于设定匹配度时，则确定该用户身份验证通过，否则不通过。
从上述方法中可以看出，由于可以将在用户执行语音业务时采集到的语音信息作为该用户的基准语音信息，并将该基准语音信息用于对该用户进行身份验证，而无需额外去采集用于对该用户进行身份验证的语音信息。这样不仅提高了信息的利用率，还有效的减少了用户在身份验证过程中的操作，降低了对用户的打扰，从而给用户带来了便利。
需要说明的是，对于不同的场景，服务器可以基于不同的身份验证方式来实现对用户的身份验证。如，在有些业务场景中，服务器可以仅通过语音识别的方式对用户进行身份验证，而有些业务场景中，服务器在通过语音识别的方式对用户进行身份验证后，可以通过其他的方式，进一步对用户进行身份验证。如，当通过语音识别的方式，确定用户通过身份验证时，可以通过诸如验证问题、验证密码等方式，对用户再次进行身份验证，以确保用户的信息安全。
另外，服务器可将保存的基准语音信息用于对该识别模型的优化，即，利用该基准语音信息作为样本对该识别模型实施进一步的训练，以使该识别模型能够更加有效、准确的从采集到的语音信息(该语音信息可以是指用户的基准语音信息，也可以是指用户的待验证语音信息)中提取出该语音信息对应的特征信息(该特征信息可以是指基准特征信息，也可以是指待验证特征信息)。
在本说明书中，识别模型中也可以包含有多种识别算法，当服务器将采集到的语音信息输入到该识别模型中，该识别模型可以分别通过内置的不同识别算法，提取出各识别算法下的特征信息并输出。
例如，服务器可将采集到的基准语音信息输入到该识别模型中，该识别模型可以分别通过内置的GMM-UBM算法和PLDA算法，分别提取出这两个识别算法下的基准语音信息，并将这两个基准语音信息与确定出的用户的标识信息对应保存。
而在身份验证过程中，服务器可通过用户的标识信息，确定出该标识信息对应的GMM-UBM下的基准特征信息，以及PLDA下的基准特征信息。服务器可将这两个基准特征信息和采集到的用户的待验证语音信息输入到该识别模型中，该识别模型可以通过GMM-UBM算法，从该待验证语音信息中提取出GMM-UBM下的待验证特征信息，并将该GMM-UBM下的待验证特征信息和GMM-UBM下的基准特征信息进行匹配，以得到这两者的匹配度。
同时，该识别模型可以通过PLDA算法，从该待验证语音信息中提取出PLDA下的待验证特征信息，并将该PLDA下的待验证特征信息和PLDA下的基准特征信息进行匹配，以得到这两者的匹配度。
服务器可以将最低的匹配度作为身份验证是否通过的依据，即，当确定最低的匹配度不小于设定匹配度时，则确定该用户通过身份验证，否则确定身份验证不通过。由于服务器可以依据最低的匹配度来对用户进行身份验证，这样则进一步提高了身份验证的安全性，有效的保证了用户的信息安全。
当然，不同的识别算法也可以包含在不同的识别模型中。而通过这些不同的识别模型对用户进行身份验证的方式，与上述说明的通过包含有两种以上识别算法的识别模型对用户进行身份验证的方式在原理上基本相同，在此就不进行详细说明了。
在本说明书中，也可以额外搭建一个用于对用户进行语音识别的系统，以通过该语音识别系统，对用户进行身份验证，如图3所示。
图3为本说明书提供的搭建有语音识别系统的示意图。
对于图3中的三个系统，可将这三个系统相互打通，以使这三个系统能够实现相互通信。其中，IVR系统可向用户提供语音服务咨询等语音业务，并在用户执行语音业务时，采集该语音业务执行过程中的语音信息。
业务系统可向用户提供业务服务，以及在用户执行业务的过程中，对用户进行身份验证。其中，当该业务系统通过语音识别的方式对该用户进行身份验证时，可采集该用户的待验证语音信息。
语音识别系统用于从IVR系统中获取IVR系统采集到的语音信息，以及从业务系统中获取到该业务系统在对用户进行身份验证时采集到的该用户的待验证语音信息，并根据获取到的待验证语音信息和基准语音信息，进行语音识别，并将语音识别结果返回给业务系统，以使业务系统根据该语音识别结果，确定用户的身份验证结果。
具体的，该语音识别系统可以从IVR系统中获取到用户在服务咨询时的语音信息，并将该语音信息进行分轨，从而得到该用户的基准语音信息。该语音识别系统可以通过预设的识别模型，从该基准语音信息中提取出该基准语音信息对应的基准特征信息并将该基准特征信息和该用户的标识信息对应保存在预设的特征信息库中。其中，IVR系统可以通过用户在服务咨询时所基于的手机号，确定出与该手机号关联的标识信息，进而将该标识信息与IVR系统在该用户进行服务咨询时采集到的语音信息对应发送给语音识别系统。
在身份验证过程中，业务系统可以将采集到的用户的待验证语音信息发送给该语音识别系统，该语音识别系统可以通过识别模型，从该待验证语音信息中提取出待验证特征信息，并通过该用户的标识信息，确定出先前确定的该用户的基准特征信息。其中，业务系统可以确定出用户在执行业务时所基于的标识信息，并将该标识信息发送给该语音识别系统。该语音识别系统可以将确定出的基准特征信息、提取出的待验证特征信息输入到该识别模型中，从而得到两者的匹配结果(也即上述提到的语音识别结果)，并将该匹配结果返回给业务系统。
业务系统可以根据该匹配结果，确定该用户是否通过身份验证，并将确定出的身份验证结果返回给用户。
当然，IVR系统采集到用户执行语音业务过程中的语音信息时，也可以将该语音信息进行分轨，得到该用户的基准语音信息，进而将该基准语音信息发送给语音识别系统中。
语音识别系统除了可以从IVR系统中获取到用于对用户进行身份验证的基准语音信息，也可以从业务系统中获取基准语音信息。如，当用户通过终端或客户端在业务系统进行业务注册时，业务系统可以向用户发送采集该基准语音信息的提示信息，用户在查看到该提示信息时，可以通过终端或客户端将自己的语音信息发送给该业务系统，而该业务系统可将获取到的语音信息确定该用户的基准语音信息，并将该用户的基准语音信息发送给语音识别系统。
以上为本说明书的一个或多个实施例提供的身份验证方法，基于同样的思路，本说明书还提供了相应的身份验证装置，如图4所示。
图4为本说明书提供的一种身份验证的装置示意图，具体包括：
第一采集模块401，在用户执行语音业务时，采集所述语音业务执行过程中的语音信息，作为基准语音信息，并确定所述用户执行所述语音业务所基于的标识信息；
保存模块402，将所述基准语音信息和所述标识信息对应保存，和/或，将所述基准语音信息对应的基准特征信息和所述标识信息对应保存；
第二采集模块403，在对所述用户进行身份验证时，采集所述用户的待验证语音信息；
识别模块404，根据保存的所述用户的标识信息对应的基准语音信息和所述待验证语音信息，对所述用户进行身份验证；或，根据保存的所述用户的标识信息对应的基准特征信息和所述待验证语音信息，对所述用户进行身份验证。
所述语音业务包括互动式语音应答IVR业务。
所述语音业务执行过程中的语音信息包括所述用户的语音信息和服务方的语音信息；
所述第一采集模块401，将采集到的所述语音信息进行分轨，确定所述语音信息中包含的所述用户的语音信息，并将所述用户的语音信息作为基准语音信息。
所述识别模块404，通过预设的识别模型，从所述基准语音信息中提取所述用户对应的基准特征信息，从所述待验证语音信息中提取待验证特征信息；将所述待验证特征信息和所述基准特征信息进行匹配；当所述待验证特征信息与所述基准特征信息的匹配度不小于设定匹配度时，则确定所述用户通过身份验证，否则不通过身份验证。
所述识别模块404，根据所述用户的标识信息，确定与所述用户的标识信息对应的基准特征信息；通过预设的识别模型，从所述待验证语音信息中提取待验证特征信息；将所述待验证特征信息和所述基准特征信息进行匹配；当所述待验证特征信息与所述基准特征信息的匹配度不小于设定匹配度时，则确定所述用户通过身份验证，否则不通过身份验证。
所述识别模型包括：高斯混合模型-通用背景模型GMM-UBM、概率线性判别分析PLDA模型中的至少一种。
基于上述说明的身份验证的方法，本说明书还对应提供了一种身份验证的设备，如图5所示。该身份验证的设备包括一个或多个处理器及存储器，所述存储器存储有程序，并且被配置成由所述一个或多个处理器执行以下步骤：
在用户执行语音业务时，采集所述语音业务执行过程中的语音信息，作为基准语音信息，并确定所述用户执行所述语音业务所基于的标识信息；
将所述基准语音信息和所述标识信息对应保存，和/或，将所述基准语音信息对应的基准特征信息和所述标识信息对应保存；
在对所述用户进行身份验证时，采集所述用户的待验证语音信息；
根据保存的所述用户的标识信息对应的基准语音信息和所述待验证语音信息，对所述用户进行身份验证；或，根据保存的所述用户的标识信息对应的基准特征信息和所述待验证语音信息，对所述用户进行身份验证。
在本说明书的一个或多个实施例中，服务器可以在用户执行语音业务时，将采集该语音业务执行过程中的语音信息作为基准语音信息，确定该用户执行语音业务所基于的标识信息，并将该基准语音信息和该标识信息对应保存，和/或，将该基准语音信息对应的基准特征信息和该标识信息对应保存。当对该用户进行身份验证时，采集该用户的待验证语音信息，根据保存的该用户的标识信息对应的基准语音信息和该待验证语音信息，对该用户进行身份验证；或，根据保存的该用户的标识信息对应的基准特征信息和该待验证语音信息，对该用户进行身份验证。由于可以将在用户执行语音业务时采集到的语音信息作为该用户的基准语音信息，并将该基准语音信息用于对该用户进行身份验证，而无需额外去采集用于对该用户进行身份验证的语音信息。这样不仅提高了信息的利用率，还有效的减少了用户在身份验证过程中的操作，降低了对用户的打扰，从而给用户带来了便利。
在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白，本说明书的实施例可提供为方法、系统、或计算机程序产品。因此，本说明书可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书是参照根据本说明书一个或多个实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书的一个或多个实施例，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
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，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
以上所述仅为本说明书的一个或多个实施例而已，并不用于限制本说明书。对于本领域技术人员来说，本说明书的一个或多个实施例可以有各种更改和变化。凡在本说明书的一个或多个实施例的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书的权利要求范围之内。
Claims (13)
1.一种身份验证的方法，包括：
在用户执行语音业务时，采集所述语音业务执行过程中的语音信息，作为基准语音信息，并确定所述用户执行所述语音业务所基于的标识信息；
将所述基准语音信息和所述标识信息对应保存，和/或，将所述基准语音信息对应的基准特征信息和所述标识信息对应保存；
在对所述用户进行身份验证时，采集所述用户的待验证语音信息；
根据保存的所述用户的标识信息对应的基准语音信息和所述待验证语音信息，对所述用户进行身份验证；或，根据保存的所述用户的标识信息对应的基准特征信息和所述待验证语音信息，对所述用户进行身份验证。
2.如权利要求1所述的方法，所述语音业务包括互动式语音应答IVR业务。
3.如权利要求2所述的方法，所述语音业务执行过程中的语音信息包括所述用户的语音信息和服务方的语音信息；
采集所述语音业务执行过程中的语音信息，作为基准语音信，具体包括：
将采集到的所述语音信息进行分轨，确定所述语音信息中包含的所述用户的语音信息，并将所述用户的语音信息作为基准语音信息。
4.如权利要求1所述的方法，根据保存的所述用户的标识信息对应的基准语音信息和所述待验证语音信息，对所述用户进行身份验证，具体包括：
通过预设的识别模型，从所述基准语音信息中提取所述用户对应的基准特征信息，从所述待验证语音信息中提取待验证特征信息；
将所述待验证特征信息和所述基准特征信息进行匹配；
当所述待验证特征信息与所述基准特征信息的匹配度不小于设定匹配度时，则确定所述用户通过身份验证，否则不通过身份验证。
5.如权利要求1所述的方法，根据保存的所述用户的标识信息对应的基准特征信息和所述待验证语音信息，对所述用户进行身份验证，具体包括：
根据所述用户的标识信息，确定与所述用户的标识信息对应的基准特征信息；
通过预设的识别模型，从所述待验证语音信息中提取待验证特征信息；
将所述待验证特征信息和所述基准特征信息进行匹配；
当所述待验证特征信息与所述基准特征信息的匹配度不小于设定匹配度时，则确定所述用户通过身份验证，否则不通过身份验证。
6.如权利要求4或5所述的方法，所述识别模型包括：高斯混合模型-通用背景模型GMM-UBM、概率线性判别分析PLDA模型中的至少一种。
7.一种身份验证的装置，包括：
第一采集模块，在用户执行语音业务时，采集所述语音业务执行过程中的语音信息，作为基准语音信息，并确定所述用户执行所述语音业务所基于的标识信息；
保存模块，将所述基准语音信息和所述标识信息对应保存，和/或，将所述基准语音信息对应的基准特征信息和所述标识信息对应保存；
第二采集模块，在对所述用户进行身份验证时，采集所述用户的待验证语音信息；
识别模块，根据保存的所述用户的标识信息对应的基准语音信息和所述待验证语音信息，对所述用户进行身份验证；或，根据保存的所述用户的标识信息对应的基准特征信息和所述待验证语音信息，对所述用户进行身份验证。
8.如权利要求7所述的装置，所述语音业务包括互动式语音应答IVR业务。
9.如权利要求8所述的装置，所述语音业务执行过程中的语音信息包括所述用户的语音信息和服务方的语音信息；
所述第一采集模块，将采集到的所述语音信息进行分轨，确定所述语音信息中包含的所述用户的语音信息，并将所述用户的语音信息作为基准语音信息。
10.如权利要求7所述的装置，所述识别模块，通过预设的识别模型，从所述基准语音信息中提取所述用户对应的基准特征信息，从所述待验证语音信息中提取待验证特征信息；将所述待验证特征信息和所述基准特征信息进行匹配；当所述待验证特征信息与所述基准特征信息的匹配度不小于设定匹配度时，则确定所述用户通过身份验证，否则不通过身份验证。
11.如权利要求7所述的装置，所述识别模块，根据所述用户的标识信息，确定与所述用户的标识信息对应的基准特征信息；通过预设的识别模型，从所述待验证语音信息中提取待验证特征信息；将所述待验证特征信息和所述基准特征信息进行匹配；当所述待验证特征信息与所述基准特征信息的匹配度不小于设定匹配度时，则确定所述用户通过身份验证，否则不通过身份验证。
12.如权利要求10或11所述的装置，所述识别模型包括：高斯混合模型-通用背景模型GMM-UBM、概率线性判别分析PLDA模型中的至少一种。
13.一种身份验证的设备，包括：一个或多个存储器以及处理器，所述存储器存储程序，并且被配置成由所述一个或多个处理器执行以下步骤：
在用户执行语音业务时，采集所述语音业务执行过程中的语音信息，作为基准语音信息，并确定所述用户执行所述语音业务所基于的标识信息；
将所述基准语音信息和所述标识信息对应保存，和/或，将所述基准语音信息对应的基准特征信息和所述标识信息对应保存；
在对所述用户进行身份验证时，采集所述用户的待验证语音信息；
根据保存的所述用户的标识信息对应的基准语音信息和所述待验证语音信息，对所述用户进行身份验证；或，根据保存的所述用户的标识信息对应的基准特征信息和所述待验证语音信息，对所述用户进行身份验证。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710794932.1A CN107731234A (zh) | 2017-09-06 | 2017-09-06 | 一种身份验证的方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710794932.1A CN107731234A (zh) | 2017-09-06 | 2017-09-06 | 一种身份验证的方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107731234A true CN107731234A (zh) | 2018-02-23 |
Family
ID=61205012
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710794932.1A Pending CN107731234A (zh) | 2017-09-06 | 2017-09-06 | 一种身份验证的方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107731234A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109660531A (zh) * | 2018-12-10 | 2019-04-19 | 武汉大晟极科技有限公司 | 一种身份验证方法、服务器及客服终端 |
| CN110536029A (zh) * | 2019-08-15 | 2019-12-03 | 咪咕音乐有限公司 | 一种交互方法、网络侧设备、终端设备、存储介质及系统 |
| CN111339517A (zh) * | 2020-05-15 | 2020-06-26 | 支付宝(杭州)信息技术有限公司 | 声纹特征的采样方法、用户识别方法、装置及电子设备 |
| CN111368273A (zh) * | 2020-03-17 | 2020-07-03 | 汉海信息技术(上海)有限公司 | 一种身份验证的方法及装置 |
| CN111696535A (zh) * | 2020-05-22 | 2020-09-22 | 百度在线网络技术（北京）有限公司 | 基于语音交互的信息核实方法、装置、设备和计算机存储介质 |
| CN113177816A (zh) * | 2020-01-08 | 2021-07-27 | 阿里巴巴集团控股有限公司 | 一种信息处理方法及装置 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040186724A1 (en) * | 2003-03-19 | 2004-09-23 | Philippe Morin | Hands-free speaker verification system relying on efficient management of accuracy risk and user convenience |
| CN103700371A (zh) * | 2013-12-13 | 2014-04-02 | 江苏大学 | 一种基于声纹识别的来电身份识别系统及其识别方法 |
| CN104834847A (zh) * | 2014-02-11 | 2015-08-12 | 腾讯科技（深圳）有限公司 | 身份验证方法及装置 |
| CN105306657A (zh) * | 2014-06-20 | 2016-02-03 | 中兴通讯股份有限公司 | 身份识别方法、装置及通讯终端 |
| CN106034063A (zh) * | 2015-03-13 | 2016-10-19 | 阿里巴巴集团控股有限公司 | 一种在通信软件中通过语音启动业务的方法及相应装置 |
-
2017
- 2017-09-06 CN CN201710794932.1A patent/CN107731234A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040186724A1 (en) * | 2003-03-19 | 2004-09-23 | Philippe Morin | Hands-free speaker verification system relying on efficient management of accuracy risk and user convenience |
| CN103700371A (zh) * | 2013-12-13 | 2014-04-02 | 江苏大学 | 一种基于声纹识别的来电身份识别系统及其识别方法 |
| CN104834847A (zh) * | 2014-02-11 | 2015-08-12 | 腾讯科技（深圳）有限公司 | 身份验证方法及装置 |
| CN105306657A (zh) * | 2014-06-20 | 2016-02-03 | 中兴通讯股份有限公司 | 身份识别方法、装置及通讯终端 |
| CN106034063A (zh) * | 2015-03-13 | 2016-10-19 | 阿里巴巴集团控股有限公司 | 一种在通信软件中通过语音启动业务的方法及相应装置 |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109660531A (zh) * | 2018-12-10 | 2019-04-19 | 武汉大晟极科技有限公司 | 一种身份验证方法、服务器及客服终端 |
| CN110536029A (zh) * | 2019-08-15 | 2019-12-03 | 咪咕音乐有限公司 | 一种交互方法、网络侧设备、终端设备、存储介质及系统 |
| CN110536029B (zh) * | 2019-08-15 | 2021-11-16 | 咪咕音乐有限公司 | 一种交互方法、网络侧设备、终端设备、存储介质及系统 |
| CN113177816A (zh) * | 2020-01-08 | 2021-07-27 | 阿里巴巴集团控股有限公司 | 一种信息处理方法及装置 |
| CN111368273A (zh) * | 2020-03-17 | 2020-07-03 | 汉海信息技术(上海)有限公司 | 一种身份验证的方法及装置 |
| CN111368273B (zh) * | 2020-03-17 | 2023-06-20 | 汉海信息技术(上海)有限公司 | 一种身份验证的方法及装置 |
| CN111339517A (zh) * | 2020-05-15 | 2020-06-26 | 支付宝(杭州)信息技术有限公司 | 声纹特征的采样方法、用户识别方法、装置及电子设备 |
| CN111696535A (zh) * | 2020-05-22 | 2020-09-22 | 百度在线网络技术（北京）有限公司 | 基于语音交互的信息核实方法、装置、设备和计算机存储介质 |
| CN111696535B (zh) * | 2020-05-22 | 2021-10-26 | 百度在线网络技术（北京）有限公司 | 基于语音交互的信息核实方法、装置、设备和计算机存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107731234A (zh) | 一种身份验证的方法及装置 | |
| US10943582B2 (en) | Method and apparatus of training acoustic feature extracting model, device and computer storage medium | |
| WO2020007153A1 (zh) | 识别二次放号账户盗用的风控模型训练、风控方法、装置以及设备 | |
| CN107481720B (zh) | 一种显式声纹识别方法及装置 | |
| CN107492379B (zh) | 一种声纹创建与注册方法及装置 | |
| CN108429619A (zh) | 身份认证方法和系统 | |
| CN109428719A (zh) | 一种身份验证方法、装置及设备 | |
| US9990926B1 (en) | Passive enrollment method for speaker identification systems | |
| EP3477519A1 (en) | Identity authentication method, terminal device, and computer-readable storage medium | |
| CN110457432B (zh) | 面试评分方法、装置、设备及存储介质 | |
| CN103475490B (zh) | 一种身份验证方法及装置 | |
| Liu et al. | An MFCC‐based text‐independent speaker identification system for access control | |
| CN105719649B (zh) | 语音识别方法及装置 | |
| CN106961418A (zh) | 身份认证方法和身份认证系统 | |
| CN108040032A (zh) | 一种声纹认证方法、账号注册方法及装置 | |
| CN109461073A (zh) | 智能识别的风险管理方法、装置、计算机设备及存储介质 | |
| CN107679082A (zh) | 问答搜索方法、装置以及电子设备 | |
| WO2019174073A1 (zh) | 通话中客户信息修改方法、装置、计算机设备及存储介质 | |
| CN110930117A (zh) | 一种人工智能微服务系统 | |
| CN106611447A (zh) | 一种考勤方法和装置 | |
| EP4009206A1 (en) | System and method for authenticating a user by voice to grant access to data | |
| CN109462603A (zh) | 基于盲检测的声纹认证方法、设备、存储介质及装置 | |
| CN110473552A (zh) | 语音识别认证方法及系统 | |
| CN109510806A (zh) | 鉴权方法及装置 | |
| CN109325178A (zh) | 用于处理信息的方法和装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 1249273 Country of ref document: HK |
|
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20201019 Address after: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands Applicant after: Innovative advanced technology Co.,Ltd. Address before: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands Applicant before: Advanced innovation technology Co.,Ltd. Effective date of registration: 20201019 Address after: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands Applicant after: Advanced innovation technology Co.,Ltd. Address before: A four-storey 847 mailbox in Grand Cayman Capital Building, British Cayman Islands Applicant before: Alibaba Group Holding Ltd. |
|
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180223 |