CN109756342A - 一种基于声纹的对话交流式的账号身份认证方法及装置 - Google Patents

Abstract

本申请公开了一种基于声纹的对话交流式的身份认证方法及装置、存储介质和计算机设备，涉及信息处理技术领域。其中方法包括：接收登录请求操作后，启动并展示对话窗口；通过虚拟对话角色在所述对话窗口中展示第一引导信息；检测到对话输入控件的触发操作后，接收第一认证信息，所述对话输入控件为所述对话窗口展示的；通过所述虚拟对话角色在所述对话窗口中展示声纹引导信息；检测到所述对话输入控件的触发操作后，接收声纹信息；基于所述第一认证信息和所述声纹信息完成认证。本申请避免了低学历、大龄用户等用户群体无法完成身份认证的问题，提高了身份认证的便捷性。

Description

一种基于声纹的对话交流式的账号身份认证方法及装置

技术领域

本申请涉及信息处理技术领域，尤其是涉及到一种基于声纹的对话交流式的账号身份认证方法及装置、存储介质、计算机设备。

背景技术

在很多业务场景中，需要对用户进行身份认证。比如，在账户登录时，需要用户输入帐号密码来确定用户是否具备操作权限，在支付业务中，需要用户输入支付密码来确认用户是否为合法用户。

当前业务系统的用户登录操作主要通过用户在客户端提供登录表单，用户在表单输入认证信息的方式实现。对于低学历、大龄用户有一定的接受难度和学习成本，这类用户群体自主完成身份认证的难度较大。

在这种情况下，如何让一些无法自主完成身份认证的用户群体，能够便捷地通过客户端完成身份认证，已经成为亟需解决的问题。

发明内容

有鉴于此，本申请提供了一种基于声纹的对话交流式的账号身份认证方法及装置、存储介质、计算机设备，主要目的在于解决提高身份认证的便捷性的问题。

根据本申请的一个方面，提供了一种基于声纹的对话交流式的身份认证方法，该方法包括：

接收登录请求操作后，启动并展示对话窗口；

通过虚拟对话角色在所述对话窗口中展示第一引导信息；

检测到对话输入控件的触发操作后，接收第一认证信息，所述对话输入控件为所述对话窗口展示的；

通过所述虚拟对话角色在所述对话窗口中展示声纹引导信息；

检测到所述对话输入控件的触发操作后，接收声纹信息；

基于所述第一认证信息和所述声纹信息完成认证。

可选地，所述第一引导信息和所述声纹引导信息为文字形式和/或语音形式；所述第一认证信息为文字形式或语音形式。

可选地，所述第一引导信息为账号引导信息或手机号引导信息。

可选地，所述第一引导信息为手机号引导信息时，所述方法还包括：

通过所述虚拟对话角色在所述对话窗口中展示验证码引导信息；

检测到所述对话输入控件的触发操作后，接收验证码；

将所述验证码发送至服务端。

可选地，所述第一引导信息和声纹引导信息是预先存储在终端或从服务端实时接收到的。

当所述第一引导信息和声纹引导信息是从服务端实时接收到的时，在通过虚拟对话角色在所述对话窗口中展示第一引导信息之前，所述方法还包括：

根据所述登录请求操作生成登录请求信息，将所述登录请求信息发送至服务端；

接收所述服务端发送的第一引导信息；

在通过所述虚拟对话角色在所述对话窗口中展示声纹引导信息之前，所述方法还包括：

接收所述服务端发送的声纹引导信息。

可选地，所述基于所述第一认证信息和所述声纹信息完成认证，包括：

将所述第一认证信息和所述声纹信息发送至服务端，由所述服务端根据所述第一认证信息和所述声纹信息进行认证。

可选地，所述方法还包括：

接收所述服务端发送的认证成功提示信息；

通过所述虚拟对话角色在所述对话窗口中展示认证成功提示信息。

根据本申请的另一方面，本申请提供一种基于声纹的对话交流式的身份认证装置，包括：

对话窗口展示单元，用于接收登录请求操作后，启动并展示对话窗口；

第一引导信息展示单元，用于通过虚拟对话角色在所述对话窗口中展示第一引导信息；

第一认证信息接收单元，用于检测到对话输入控件的触发操作后，接收第一认证信息，所述对话输入控件为所述对话窗口展示的；

声纹引导信息展示单元，用于通过所述虚拟对话角色在所述对话窗口中展示声纹引导信息；

声纹信息接收单元，用于检测到所述对话输入控件的触发操作后，接收声纹信息；

认证单元，用于基于所述第一认证信息和所述声纹信息完成认证。

依据本申请又一个方面，提供了一种存储介质，其上存储有计算机程序，所述程序被处理器执行时实现上述方法。

依据本申请再一个方面，提供了一种计算机设备，包括存储介质、处理器及存储在存储介质上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述方法。

借由上述技术方案，本申请提供的一种对话交流式的身份认证方法及装置、存储介质、计算机设备，接收登录请求操作后，启动并展示对话窗口，通过虚拟对话角色在对话窗口向用户展示认证引导信息，使得用户在引导下输入第一认证信息和声纹信息，基于第一认证信息和和声纹信息完成身份认证，避免了低学历、大龄用户等用户群体无法完成身份认证的问题，提高了身份认证的便捷性。

上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1示出了本申请实施例提供的一种基于声纹的对话交流式的身份认证方法的流程示意图；

图2示出了本申请实施例提供的一种基于声纹的对话交流式的身份认证方法的原理图；

图3示出了本申请实施例提供的一种基于声纹的对话交流式的身份认证装置的结构示意图。

具体实施方式

下文中将参考附图并结合实施例来详细说明本申请。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。

本申请实施例提供了一种基于声纹的对话交流式的身份认证方法，如图1所示，该方法以客户端为执行主体，包括：

S11：接收登录请求操作后，启动并展示对话窗口；

可理解的是，本申请实施例用户可在客户端上通过触发登录按钮向客户端发送登录请求操作，客户端接收到登录请求操作后，为了提高身份认证的便捷性，启动并展示对话窗口。

S12：通过虚拟对话角色在所述对话窗口中展示第一引导信息；

S13：检测到对话输入控件的触发操作后，接收第一认证信息，所述对话输入控件为所述对话窗口展示的；

需要说明的是，本申请实施例的客户端不需要弹出独立登录界面。而是打开内置的虚拟对话角色(如小助手、机器人等)在对话窗口与用户进行聊天对话，聊天对话的形式是向用户展示引导信息，并接收用户输入的认证信息。

对话窗口设置有对话输入控件，用户可通过触发对话输入控件在对话窗口输入信息，例如认证信息或声纹信息。对话输入控件例如为语音录音按钮。若输入信息为认证信息，对话输入控件也可以为文本输入框。

S14：通过所述虚拟对话角色在所述对话窗口中展示声纹引导信息；

S15：检测到所述对话输入控件的触发操作后，接收声纹信息；

可理解的是，本申请实施例要通过虚拟对话角色在对话窗口展示第一引导信息和声纹引导信息，接收第一认证信息和声纹信息，获得用户的用户名、密码或者手机号、验证码等身份认证信息。

声纹是用电声学仪器显示的携带言语信息的声波频谱，具有特定性和相对稳定性的特点。人类语言的产生是人体语言中枢与发音器官之间一个复杂的生理物理过程，任何两个人的声纹图谱都有差异，因此可依靠声纹来对用户的身份进行验证。为了实现基于声纹对身份进行认证，需要在注册过程中获取用户的声纹。本申请实施例的服务端在用户基于声纹注册后保存了与各个用户对应的声纹特征。

S16：基于所述第一认证信息和所述声纹信息完成认证。

本申请实施例将所述第一认证信息和所述声纹信息发送至服务端，服务端根据第一认证信息和声纹信息进行身份认证。

本申请实施例的对话交流式的身份认证方法，接收登录请求操作后，启动并展示对话窗口，通过虚拟对话角色在对话窗口向用户展示认证引导信息，使得用户在引导下输入第一认证信息和声纹信息，基于第一认证信息和声纹信息完成身份认证，避免了低学历、大龄用户等用户群体无法完成身份认证的问题，提高了身份认证的便捷性。

具体地：所述第一引导信息和所述声纹引导信息为文字形式和/或语音形式；所述第一认证信息为文字形式或语音形式。

具体地，所述第一引导信息为账号引导信息或手机号引导信息。

可理解的是，账号信息包括用户名或邮箱。用户可基于用户名或邮箱对应的声纹完成身份认证。本申请实施例提供了不同组合的认证信息，满足用户的不同认证需求。

优选地，当第一引导信息为手机号引导信息时，所述方法还包括：

通过所述虚拟对话角色在所述对话窗口中展示验证码引导信息；

检测到所述对话输入控件的触发操作后，接收验证码；

将所述验证码发送至服务端。

可理解的是，客户端通过虚拟对话角色在对话窗口展示的第一引导信息和声纹引导信息，可以为文字形式，也可以为语音形式，也可以同时展示文字并播放语音。并且，为了提升身份认证的安全性，当第一引导信息为手机号引导信息时，本申请实施例进行验证码认证+声纹认证的双重认证方式。举例来说，如图2所示，手机号引导信息可以为“您好，请告诉我您的手机号码”，验证码引导信息可以为“请告诉我刚刚发送给您的验证码”，声纹引导信息可以为“验证成功！您之前保存了语音密码，请念出如下数字453253”。图2中的例子同时展示引导信息的文字并播放引导信息的录音。

可理解的是，本申请实施例的输入控件包括对话框和/或语音按键。用户可通过在对话框输入文字或者语音按键输入语音信息的方式输入手机号信息或者验证码信息，方式灵活多样，适应不同用户的需求，使得书写困难的用户可通过输入语音信息的方式完成身份认证。

具体地，所述第一引导信息和声纹引导信息是预先存储在终端或从服务端实时接收到的；

当所述第一引导信息和声纹引导信息是从服务端实时接收到的时，

在通过虚拟对话角色在所述对话窗口中展示第一引导信息之前，所述方法还包括：

根据所述登录请求操作生成登录请求信息，将所述登录请求信息发送至服务端；

接收所述服务端发送的第一引导信息；

在通过所述虚拟对话角色在所述对话窗口中展示声纹引导信息之前，所述方法还包括：

接收所述服务端发送的声纹引导信息。

可理解的是，终端或服务端预先存储有认证引导信息。在实际应用中，终端或服务端预先基于需要用户提供的认证信息配置相应的引导信息，然后，基于该引导信息采集相应的引导录音，即将引导信息转换成录音形式。本申请实施例在用户认证的过程中，客户端播放录音，可以使视力较弱用户根据该录音完成用户身份认证操作。

优选地，所述方法还包括：

接收所述服务端发送的认证成功提示信息；

通过所述虚拟对话角色在所述对话窗口中展示认证成功提示信息。

如图2所示，若认证成功，则客户端的对话窗口展示认证成功提示信息“验证成功！欢迎回来”。在实际应用中，认证成功提示信息为文字形式和/或语音形式。

以下以一个具体的例子说明本发明实施例的对话交流式的身份认证方法，第一引导信息为手机号引导信息，第一认证信息为手机号信息，声纹信息为验证码信息，具体的认证过程为：

客户端接收用户触发的登录请求操作后，启动并展示对话窗口；

客户端通过虚拟对话角色在对话窗口展示手机号引导信息；

用户触发对话输入控件输入手机号，客户端检测到对话输入控件的触发操作后，接收手机号，并将接收到的手机号发送至服务端；

客户端通过虚拟对话角色在对话窗口展示验证码引导信息；

用户触发对话输入控件输入从运营商系统接收到的验证码，客户端检测到对话输入控件的触发操作后，接收验证码，并将接收到的验证码发送至服务端。

在实际应用中，客户端接收到的验证码是由运营商系统随机生成并向客户端发送的。需要说明的是，在服务端接收到手机号后，服务端向运营商系统发送验证码发送请求。运营商系统将生成的验证码发送给相应的客户端，同时将生成的验证码发送给服务端。如果服务端从客户端接收到的验证码与从运营商系统获得到的验证码一致，则说明认证成功。

客户端通过虚拟对话角色在对话窗口展示声纹引导信息，用户触发对话输入控件输入声纹信息。服务端将接收到的声纹信息进行处理，提取该声纹信息的特征向量，采用余弦距离公式计算特征向量与鉴别向量(鉴别向量是根据用户注册时输入的声纹信息提取获得的)的距离，若距离在设定的阈值范围内则认为当前验证用户的声纹与注册时的声纹一致，则认证通过，服务端生成认证成功提示信息，并向客户端返回认证成功提示信息。客户端接收服务端发送的认证成功提示信息；通过所述虚拟对话角色在所述对话窗口中展示认证成功提示信息。

可理解的是，如果服务端从客户端接收到的验证码与从运营商系统获得到的验证码不一致，则说明身份认证失败，则服务端向客户端返回认证失败提示信息。同理，如果当前验证用户的声纹与注册时的不一致，则说明身份认证失败，则服务端也向客户端返回认证失败提示信息。

客户端接收服务端发送的认证失败提示信息，通过虚拟对话角色在对话窗口展示认证失败提示信息。

当所述第一认证信息为语音形式时，所述方法还包括：

采用语音静态解码网络将所述第一认证信息转换成文字形式。

需要说明的是，语音静态解码网络是预先采用训练文本数据和对应的训练语音数据进行模型训练后得到的解码网络。基于语音静态解码网络对语音信息进行文本翻译，可快速准确获取对应的文本信息。

具体地，对语音静态解码网络的训练过程包括：

获得训练文本数据，将训练文本数据输入大搜N-gram模型进行模型训练，获取目标语言模型；

基于训练文本数据，采集与每一训练文本数据相对应的训练语音数据，将训练语音数据输入到高斯混合模型-隐马尔可夫模型(GMM-HMM)进行模型训练，获取目标声学模型；

基于目标语言模型和目标声学模型，构建对应的语音静态解码网络。

其中，N-gram是大词汇连续语音识别中常用的基于统计语言模型算法，利用上下文中相邻词间的搭配信息，在需要把连续无空格的拼音转换成汉字串(即句子)时，可以计算出具有最大概率的句子，从而实现到汉字的自动转换，无需用户手动选择，避开许多汉字对应一个相同拼音而导致重码问题。N-gram是将文本里面的内容按照字节进行大小为n的滑动窗口操作，形成了长度是n的字节片段序列。每一个字节片段称为gram，对所有gram的出现频度进行统计，并且按照事先设定好的阈值进行过滤，形成关键gram列表，也就是这个文本的向量特征空间，列表中的每一种gram就是一个特征向量维度。

需要说明的是，考虑到客户端的配置问题，对语音静态解码网络的训练过程可在服务端完成，客户端利用训练好的语音静态解码网络将语音形式的认证信息转换为文字形式发送至服务端。在另一种实施方式中，客户端直接将语音形式的认证信息发送至服务端，由服务端将语音形式的认证信息转换为文字形式。

图3示出了本申请实施例提供的一种基于声纹的对话交流式的认证装置的结构示意图。如图3所示，本申请实施例的装置包括对话窗口展示单元31、第一引导信息展示单元32、第一认证信息接收单元33、声纹引导信息展示单元34、声纹信息接收单元35和认证单元36，具体地：

对话窗口展示单元31，用于接收登录请求操作后，启动并展示对话窗口；

第一引导信息展示单元32，用于通过虚拟对话角色在所述对话窗口中展示第一引导信息；

第一认证信息接收单元33，用于检测到对话输入控件的触发操作后，接收第一认证信息，所述对话输入控件为所述对话窗口展示的；

声纹引导信息展示单元34，用于通过所述虚拟对话角色在所述对话窗口中展示声纹引导信息；

声纹信息接收单元35，用于检测到所述对话输入控件的触发操作后，接收声纹信息；

认证单元36，用于基于所述第一认证信息和所述声纹信息完成认证。

本申请实施例的对话交流式的认证装置，接收登录请求操作后，启动并展示对话窗口，通过虚拟对话角色在对话窗口向用户展示认证引导信息，使得用户在引导下输入第一认证信息和声纹信息，基于第一认证信息和声纹信息完成认证，避免了低学历、大龄用户等用户群体无法完成认证的问题，提高了认证的便捷性。

本申请实施例的基于声纹的对话交流式的身份认证装置的原理和效果与上述方法实施例类似，在此不再赘述。

基于上述如图1所示方法，相应地，本申请实施例还提供了一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述如图1所示的方法。

基于这样的理解，本申请的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施场景所述的方法。

基于上述如图1所示的方法，以及图3所示的虚拟装置实施例，为了实现上述目的，本申请实施例还提供了一种计算机设备，具体可以为个人计算机、服务器、网络设备等，该实体设备包括存储介质和处理器；存储介质，用于存储计算机程序；处理器，用于执行计算机程序以实现上述如图1所示的方法。

可选地，该计算机设备还可以包括用户接口、网络接口、摄像头、射频(RadioFrequency，RF)电路，传感器、音频电路、WI-FI模块等等。用户接口可以包括显示屏(Display)、输入单元比如键盘(Keyboard)等，可选用户接口还可以包括USB接口、读卡器接口等。网络接口可选的可以包括标准的有线接口、无线接口(如蓝牙接口、WI-FI接口)等。

本领域技术人员可以理解，本申请实施例提供的一种计算机设备结构并不构成对该实体设备的限定，可以包括更多或更少的部件，或者组合某些部件，或者不同的部件布置。

存储介质中还可以包括操作系统、网络通信模块。操作系统是管理计算机设备硬件和软件资源的程序，支持信息处理程序以及其它软件和/或程序的运行。网络通信模块用于实现存储介质内部各组件之间的通信，以及与该实体设备中其它硬件和软件之间通信。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本申请可以借助软件加必要的通用硬件平台的方式来实现，也可以通过硬件实现。通过应用本申请的技术方案，接收登录请求操作后，启动并展示对话窗口，通过虚拟对话角色在对话窗口向用户展示认证引导信息，使得用户在引导下完成认证，避免了低学历、大龄用户等用户群体无法完成认证的问题，提高了身份认证的便捷性。

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、物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、物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、物品或者设备中还存在另外的相同要素。

本申请的说明书中，说明了大量具体细节。然而能够理解的是，本申请的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。类似地，应当理解，为了精简本申请并帮助理解各个发明方面中的一个或多个，在上面对本申请的示例性实施例的描述中，本申请的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该申请的方法解释成反映如下意图：即所要求保护的本申请要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本申请的单独实施例。

本领域技术人员可以理解附图只是一个优选实施场景的示意图，附图中的模块或流程并不一定是实施本申请所必须的。本领域技术人员可以理解实施场景中的装置中的模块可以按照实施场景描述进行分布于实施场景的装置中，也可以进行相应变化位于不同于本实施场景的一个或多个装置中。上述实施场景的模块可以合并为一个模块，也可以进一步拆分成多个子模块。

上述本申请序号仅仅为了描述，不代表实施场景的优劣。以上公开的仅为本申请的几个具体实施场景，但是，本申请并非局限于此，任何本领域的技术人员能思之的变化都应落入本申请的保护范围。

Claims (10)

1.一种基于声纹的对话交流式的身份认证方法，其特征在于，包括：

接收登录请求操作后，启动并展示对话窗口；

通过虚拟对话角色在所述对话窗口中展示第一引导信息；

检测到对话输入控件的触发操作后，接收第一认证信息，所述对话输入控件为所述对话窗口展示的；

通过所述虚拟对话角色在所述对话窗口中展示声纹引导信息；

检测到所述对话输入控件的触发操作后，接收声纹信息；

基于所述第一认证信息和所述声纹信息完成认证。

2.根据权利要求1所述的方法，其特征在于，包括：所述第一引导信息和所述声纹引导信息为文字形式和/或语音形式；所述第一认证信息为文字形式或语音形式。

3.根据权利要求1所述的方法，其特征在于，所述第一引导信息为账号引导信息或手机号引导信息。

4.根据权利要求1所述的方法，其特征在于，所述第一引导信息为手机号引导信息时，所述方法还包括：

通过所述虚拟对话角色在所述对话窗口中展示验证码引导信息；

检测到所述对话输入控件的触发操作后，接收验证码；

将所述验证码发送至服务端。

5.根据权利要求1所述的方法，其特征在于，所述第一引导信息和声纹引导信息是预先存储在终端或从服务端实时接收到的；

当所述第一引导信息和声纹引导信息是从服务端实时接收到的时，在通过虚拟对话角色在所述对话窗口中展示第一引导信息之前，所述方法还包括：

根据所述登录请求操作生成登录请求信息，将所述登录请求信息发送至服务端；

接收所述服务端发送的第一引导信息；

在通过所述虚拟对话角色在所述对话窗口中展示声纹引导信息之前，所述方法还包括：

接收所述服务端发送的声纹引导信息。

6.根据权利要求1所述的方法，其特征在于，所述基于所述第一认证信息和所述声纹信息完成认证，包括：

将所述第一认证信息和所述声纹信息发送至服务端，由所述服务端根据所述第一认证信息和所述声纹信息进行认证。

7.根据权利要求6所述的方法，其特征在于，所述方法还包括：

接收所述服务端发送的认证成功提示信息；

通过所述虚拟对话角色在所述对话窗口中展示认证成功提示信息。

8.一种基于声纹的对话交流式的身份认证装置，其特征在于，包括：

对话窗口展示单元，用于接收登录请求操作后，启动并展示对话窗口；

第一引导信息展示单元，用于通过虚拟对话角色在所述对话窗口中展示第一引导信息；

第一认证信息接收单元，用于检测到对话输入控件的触发操作后，接收第一认证信息，所述对话输入控件为所述对话窗口展示的；

声纹引导信息展示单元，用于通过所述虚拟对话角色在所述对话窗口中展示声纹引导信息；

声纹信息接收单元，用于检测到所述对话输入控件的触发操作后，接收声纹信息；

认证单元，用于基于所述第一认证信息和所述声纹信息完成认证。

9.一种存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现权利要求1至7中任一项所述的方法。

10.一种计算机设备，包括存储介质、处理器及存储在存储介质上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1至7中任一项所述的方法。