CN116597845A - 一种随机式声纹验证系统及方法 - Google Patents

Abstract

本发明公开了一种随机式声纹验证系统及方法，属于声纹验证领域，涉及随机式验证技术，用于解决验证文本单一且验证文本没有根据具体的验证场景进行变动调整导致存在一定安全隐患的问题；通过注册时的原始声纹字段语音采集以及训练语音的录入，根据每个访问者不同的声纹特征建立声纹模型，当访问者进行登录访问时，随机验证码生成模块根据预设规则生成不同的声纹验证信息；预设规则结合往期的成功率进行设定，往期的成功率越高对应的声纹验证信息字符串越短，对应的声纹提取也较快，在满足条件的情况下降低了验证难度，同样的也使得频繁登录的访问者可以快速识别并登录，对长期没有登陆或成功率较低的访问者进行长字符串的验证，可以精准验证。

Description

一种随机式声纹验证系统及方法

技术领域

本发明属于声纹验证领域，涉及随机式验证技术，具体是一种随机式声纹验证系统及方法。

背景技术

声纹认证技术是利用声纹识别进行身份认证的技术。声纹识别是根据语音中所蕴含的说话人的个性特征去识别该段语音所含说话人身份的过程。

现有技术中，声纹验证已经成为大多数身份识别的技术手段，但是多数的声纹验证识别技术中的验证文本单一且验证文本没有根据具体的验证场景进行变动调整，导致该种验证方式的安全性存在一定安全隐患。

为此，本发明提出一种随机式声纹验证系统及方法。

发明内容

本申请的目的是提供一种随机式声纹验证系统及方法，解决了现有技术中部分声纹验证识别技术中的验证文本单一且验证文本没有根据具体的验证场景进行变动调整，导致该种验证方式的安全性存在一定安全隐患的问题。

为实现上述目的，本申请提供了一种随机式声纹验证系统，包括注册登录模块、语音录入模块以及云平台，所述注册登录模块与所述云平台连接，所述注册登录模块用于访问者通过输入个人信息进行注册登录，并在注册完成后，将所述个人信息存储在云平台内，所述语音录入模块与所述云平台连接，当访问者注册完成后，云平台发送声纹录入信号至语音录入模块，语音录入模块生成原始声纹字段，访问者根据原始声纹字段进行阅读，语音录入模块进行语音片段的获取，并反馈至云平台；

所述云平台还连接有声纹提取模块；所述声纹提取模块用于对语音录入模块反馈的语音片段进行声纹特征提取并建立声纹模型；

所述云平台还连接有访问验证模块以及随机验证码生成模块，所述访问验证模块用于访问者在进行云平台信息访问时，对访问者的身份信息进行验证：

当所述访问者通过访问验证模块输入登录账号以及登录密码进行登录时，访问验证模块获取登录账号并发送验证信息至云平台；其中的验证信息包括身份验证请求以及登录账号对应的访问者姓名；

所述云平台接收到验证信息后，获取对应访问者的位置并判定允许访问等级；

当允许访问等级的访问权限大于等于访问者的访问权限时，云平台发送随机生成信号至随机验证码生成模块，随机验证码生成模块生成随机声纹验证信息至访问验证模块；

访问者通过阅读文本，访问验证模块获取语音并发送至声纹提取模块，访问验证模块将声纹特征与访问者对应的声纹模型进行声纹识别，计算访问者的声纹特征在声纹模型的匹配得分；

访问验证模块设定匹配分阈值；

当匹配得分大于等于匹配分阈值时，验证通过，允许访问；并将成功访问次数加一；

当匹配得分小于匹配分阈值时，验证失败，不允许访问，并将失败访问次数加一。

优选地，所述个人信息包括姓名、职位职级以及联系方式；云平台根据不同的职位职级匹配不同的访问权限。

优选地，所述声纹提取模块用于对语音录入模块反馈的语音片段进行声纹特征提取并建立声纹模型，提取过程包括：

语音片段预处理，声纹提取模块对语音片段进行数字滤波、端点检测、去零漂、预加重、加汉明窗处理获取一级处理语音；

一级处理语音特征提取，声纹提取模块采用MFCC与LPCC进行声学建模，并通过求取一阶微分、特征加权、特征维选择、特征组合获取一致的声纹特征；

声纹提取模块根据提取的声纹特征建立声纹模型，并反馈至云平台。

优选地，其中，端点检测采用自适应双门限检定法检测语音端点。

优选地，所述访问权限包括一级访问权限、二级访问权限以及三级访问权限，访问权限依次由低到高。

优选地，所述声纹提取模块在进行声纹特征提取前，语音录入模块还会提示录入训练语音，访问者根据训练语音进行阅读并录入，声纹提取模块根据训练语音以及原始声纹字段的语音片段进行声纹特征提取。

优选地，所述云平台内部存储有区域地图并设定有相应区域的允许访问等级；云平台内存储有若干声纹验证信息，且声纹验证信息分为不同的等级，该等级对应允许访问等级；不同的声纹验证信息的字符串长度不一致。

优选地，所述随机验证码生成模块生成随机声纹验证信息的过程包括：

随机验证码生成模块获取该访问者的成功访问次数以及失败访问次数，并标记为Cc、Cs；

随机验证码生成模块计算访问验证值FY；计算公式为：

，

其中的 为修正系数；

将声纹验证信息根据字符串的长度进行升序排列，并进行顺序编号，获取对应声纹验证信息的总个数M；

将总个数M与访问验证值FY求积并取整，将对应编号的声纹验证信息反馈至至访问验证模块。

一种随机式声纹验证方法，方法包括以下：

访问者通过输入个人信息在云平台进行注册登录，并在注册完成后，云平台发送声纹录入信号至语音录入模块，语音录入模块生成原始声纹字段，访问者根据原始声纹字段进行阅读，语音录入模块进行语音片段的获取；

所述声纹提取模块用于对语音录入模块反馈的语音片段进行声纹特征提取并建立声纹模型：声纹提取模块对语音片段进行数字滤波、端点检测、去零漂、预加重、加汉明窗等处理获取一级处理语音；采用MFCC与LPCC进行声学建模，并通过求取一阶微分、特征加权、特征维选择、特征组合等方式获取一致的声纹特征；根据提取的声纹特征建立声纹模型，并反馈至云平台，所述云平台将声纹模型与该访问者的个人信息进行绑定，标记为验证组；

访问者在进行云平台信息访问时，通过访问验证模块对访问者的身份信息进行验证，访问验证模块获取登录账号并发送验证信息至云平台；其中的验证信息包括身份验证请求以及登录账号对应的访问者姓名；所述云平台接收到验证信息后，获取对应访问者的位置并判定允许访问等级；

当允许访问等级的访问权限大于等于访问者的访问权限时，云平台发送随机生成信号至随机验证码生成模块，随机验证码生成模块生成随机声纹验证信息至访问验证模块；

访问者通过阅读文本，访问验证模块获取语音并发送至声纹提取模块，声纹提取模块进行语音预处理，声纹提取模块对语音进行数字滤波、端点检测、去零漂、预加重、加汉明窗等处理获取一级处理语音；并采用MFCC与LPCC进行声学建模，并通过求取一阶微分、特征加权、特征维选择、特征组合等方式获取一致的声纹特征；并反馈回访问验证模块；

访问验证模块将声纹特征与访问者对应的声纹模型进行声纹识别，计算访问者的声纹特征在声纹模型的匹配得分；

访问验证模块设定匹配分阈值；

当匹配得分大于等于匹配分阈值时，验证通过，允许访问；并将成功访问次数加一；

当匹配得分小于匹配分阈值时，验证失败，不允许访问，并将失败访问次数加一。

与现有技术相比，本发明的有益效果是：

本发明通过注册时的原始声纹字段语音采集以及训练语音的录入，根据每个访问者不同的声纹特征建立声纹模型，且设置有不同区域的允许访问等级，在一定的访问等级内可以访问一定的信息，避免异地登录导致的信息丢失；且当访问者进行登录访问时，随机验证码生成模块根据预设规则生成不同的声纹验证信息；

预设规则根据该访问者的历史访问成功与失败次数进行设定，采用简单算法对存储的所有的声纹验证信息进行排列并选择，且往期的成功率越高对应的声纹验证信息字符串越短，对应的声纹提取也较快，在满足条件的情况下降低了验证难度，同样的也使得频繁登录的访问者可以快速识别并登录，对长期没有登陆或成功率较低的访问者进行长字符串的验证，可以精准验证。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对现有技术和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的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明一种随机式声纹验证系统的结构框图；

图2为本发明一种随机式声纹验证方法的流程框图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

实施例1

具体请参照图1，本实施例提出了一种随机式声纹验证系统，包括注册登录模块、语音录入模块以及云平台，所述注册登录模块与所述云平台连接，所述注册登录模块用于访问者通过输入个人信息进行注册登录，并在注册完成后，将所述个人信息存储在云平台内，且登录账号与个人信息绑定且唯一，所述登录密码可进行修改；

其中，所述个人信息包括姓名、职位职级以及联系方式；云平台根据不同的职位职级匹配不同的访问权限；

所述语音录入模块与所述云平台连接，当访问者注册完成后，云平台发送声纹录入信号至语音录入模块，语音录入模块生成原始声纹字段，访问者根据原始声纹字段进行阅读，语音录入模块进行语音片段的获取，并反馈至云平台；

在本申请中，所述语音录入模块以及注册登录模块可以为掌上电脑的两个运行程序，注册登录模块为注册的运行程序，语音录入模块为包括录音软件的麦克风；

需要说明的是，本申请中，所述云平台还连接有声纹提取模块；所述声纹提取模块用于对语音录入模块反馈的语音片段进行声纹特征提取并建立声纹模型，其中的提取过程包括：

语音片段预处理，声纹提取模块对语音片段进行数字滤波、端点检测、去零漂、预加重、加汉明窗等处理获取一级处理语音；

其中，端点检测采用自适应双门限检定法检测语音端点；

一级处理语音特征提取，声纹提取模块采用MFCC与LPCC进行声学建模，并通过求取一阶微分、特征加权、特征维选择、特征组合等方式获取一致的声纹特征；

声纹提取模块根据提取的声纹特征建立声纹模型，并反馈至云平台，所述云平台将声纹模型与该访问者的个人信息进行绑定，标记为验证组；

在本申请中，所述访问权限包括一级访问权限、二级访问权限以及三级访问权限，访问权限依次由低到高；

需要进行说明的是，所述声纹提取模块在进行声纹特征提取前，语音录入模块还会提示录入训练语音，访问者根据训练语音进行阅读并录入，声纹提取模块根据训练语音以及原始声纹字段的语音片段进行声纹特征提取。

本申请中，所述云平台还连接有访问验证模块以及随机验证码生成模块，所述访问验证模块用于访问者在进行云平台信息访问时，对访问者的身份信息进行验证，具体的，访问者身份信息验证的过程包括：

当所述访问者通过访问验证模块输入登录账号以及登录密码进行登录时，访问验证模块获取登录账号并发送验证信息至云平台；其中的验证信息包括身份验证请求以及登录账号对应的访问者姓名；

所述云平台接收到验证信息后，获取对应访问者的位置并判定允许访问等级；

当允许访问等级的访问权限大于等于访问者的访问权限时，云平台发送随机生成信号至随机验证码生成模块，随机验证码生成模块生成随机声纹验证信息至访问验证模块；

其中的随机声纹验证信息为阅读文本；

访问者通过阅读文本，访问验证模块获取语音并发送至声纹提取模块，声纹提取模块进行语音预处理，声纹提取模块对语音进行数字滤波、端点检测、去零漂、预加重、加汉明窗等处理获取一级处理语音；并采用MFCC与LPCC进行声学建模，并通过求取一阶微分、特征加权、特征维选择、特征组合等方式获取一致的声纹特征；并反馈回访问验证模块；

访问验证模块将声纹特征与访问者对应的声纹模型进行声纹识别，计算访问者的声纹特征在声纹模型的匹配得分；

访问验证模块设定匹配分阈值；

当匹配得分大于等于匹配分阈值时，验证通过，允许访问；并将成功访问次数加一；

当匹配得分小于匹配分阈值时，验证失败，不允许访问，并将失败访问次数加一。

需要说明的是，所述云平台内部存储有区域地图并设定有相应区域的允许访问等级；云平台内存储有若干声纹验证信息，且声纹验证信息分为不同的等级，该等级对应允许访问等级；以及

不同的声纹验证信息的字符串长度不一致；

且所述随机验证码生成模块生成随机声纹验证信息的过程包括：

随机验证码生成模块获取该访问者的成功访问次数以及失败访问次数，并标记为Cc、Cs；

随机验证码生成模块计算访问验证值FY；计算公式为：

，

其中的为修正系数；

将声纹验证信息根据字符串的长度进行升序排列，并进行顺序编号，获取对应声纹验证信息的总个数M；

将总个数M与访问验证值FY求积并取整，将对应编号的声纹验证信息反馈至至访问验证模块。

本实施例所提出的随机式声纹验证系统，通过注册时的原始声纹字段语音采集以及训练语音的录入，根据每个访问者不同的声纹特征建立声纹模型，且设置有不同区域的允许访问等级，在一定的访问等级内可以访问一定的信息，避免异地登录导致的信息丢失；且当访问者进行登录访问时，随机验证码生成模块根据预设规则生成不同的声纹验证信息；

预设规则根据该访问者的历史访问成功与失败次数进行设定，采用简单算法对存储的所有的声纹验证信息进行排列并选择，且往期的成功率越高对应的声纹验证信息字符串越短，对应的声纹提取也较快，在满足条件的情况下降低了验证难度，同样的也使得频繁登录的访问者可以快速识别并登录，对长期没有登陆或成功率较低的访问者进行长字符串的验证，可以精准验证。

实施例2

如图2所示，本发明的另一个实施例提出了一种随机式声纹验证方法，该方法包括以下步骤：

步骤S1：访问者通过输入个人信息在云平台进行注册登录，并在注册完成后，云平台发送声纹录入信号至语音录入模块，语音录入模块生成原始声纹字段，访问者根据原始声纹字段进行阅读，语音录入模块进行语音片段的获取；

步骤S2：所述声纹提取模块用于对语音录入模块反馈的语音片段进行声纹特征提取并建立声纹模型：声纹提取模块对语音片段进行数字滤波、端点检测、去零漂、预加重、加汉明窗等处理获取一级处理语音；采用MFCC与LPCC进行声学建模，并通过求取一阶微分、特征加权、特征维选择、特征组合等方式获取一致的声纹特征；根据提取的声纹特征建立声纹模型，并反馈至云平台，所述云平台将声纹模型与该访问者的个人信息进行绑定，标记为验证组；

步骤S3：访问者在进行云平台信息访问时，通过访问验证模块对访问者的身份信息进行验证，访问验证模块获取登录账号并发送验证信息至云平台；其中的验证信息包括身份验证请求以及登录账号对应的访问者姓名；所述云平台接收到验证信息后，获取对应访问者的位置并判定允许访问等级；

步骤S4：当允许访问等级的访问权限大于等于访问者的访问权限时，云平台发送随机生成信号至随机验证码生成模块，随机验证码生成模块生成随机声纹验证信息至访问验证模块；

步骤S5：访问者通过阅读文本，访问验证模块获取语音并发送至声纹提取模块，声纹提取模块进行语音预处理，声纹提取模块对语音进行数字滤波、端点检测、去零漂、预加重、加汉明窗等处理获取一级处理语音；并采用MFCC与LPCC进行声学建模，并通过求取一阶微分、特征加权、特征维选择、特征组合等方式获取一致的声纹特征；并反馈回访问验证模块；

步骤S6：访问验证模块将声纹特征与访问者对应的声纹模型进行声纹识别，计算访问者的声纹特征在声纹模型的匹配得分；

访问验证模块设定匹配分阈值；

步骤S7：当匹配得分大于等于匹配分阈值时，验证通过，允许访问；并将成功访问次数加一；

当匹配得分小于匹配分阈值时，验证失败，不允许访问，并将失败访问次数加一。

本实施例所提出的随机式声纹验证方法，通过注册时的原始声纹字段语音采集以及训练语音的录入，根据每个访问者不同的声纹特征建立声纹模型，且设置有不同区域的允许访问等级，在一定的访问等级内可以访问一定的信息，避免异地登录导致的信息丢失；且当访问者进行登录访问时，随机验证码生成模块根据预设规则生成不同的声纹验证信息；

预设规则根据该访问者的历史访问成功与失败次数进行设定，采用简单算法对存储的所有的声纹验证信息进行排列并选择，且往期的成功率越高对应的声纹验证信息字符串越短，对应的声纹提取也较快，在满足条件的情况下降低了验证难度，同样的也使得频繁登录的访问者可以快速识别并登录，对长期没有登陆或成功率较低的访问者进行长字符串的验证，可以精准验证。

上述公式均是去除量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最接近真实情况的一个公式，公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者大量数据模拟获得。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其他实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (9)

1.一种随机式声纹验证系统，包括注册登录模块、语音录入模块以及云平台，所述注册登录模块与所述云平台连接，所述注册登录模块用于访问者通过输入个人信息进行注册登录，并在注册完成后，将所述个人信息存储在云平台内，其特征在于，所述语音录入模块与所述云平台连接，当访问者注册完成后，云平台发送声纹录入信号至语音录入模块，语音录入模块生成原始声纹字段，访问者根据原始声纹字段进行阅读，语音录入模块进行语音片段的获取，并反馈至云平台；

所述云平台还连接有声纹提取模块；所述声纹提取模块用于对语音录入模块反馈的语音片段进行声纹特征提取并建立声纹模型；

所述云平台还连接有访问验证模块以及随机验证码生成模块，所述访问验证模块用于访问者在进行云平台信息访问时，对访问者的身份信息进行验证：

当所述访问者通过访问验证模块输入登录账号以及登录密码进行登录时，访问验证模块获取登录账号并发送验证信息至云平台；其中的验证信息包括身份验证请求以及登录账号对应的访问者姓名；

所述云平台接收到验证信息后，获取对应访问者的位置并判定允许访问等级；

当允许访问等级的访问权限大于等于访问者的访问权限时，云平台发送随机生成信号至随机验证码生成模块，随机验证码生成模块生成随机声纹验证信息至访问验证模块；

访问者通过阅读文本，访问验证模块获取语音并发送至声纹提取模块，访问验证模块将声纹特征与访问者对应的声纹模型进行声纹识别，计算访问者的声纹特征在声纹模型的匹配得分；

访问验证模块设定匹配分阈值；

当匹配得分大于等于匹配分阈值时，验证通过，允许访问；并将成功访问次数加一；

当匹配得分小于匹配分阈值时，验证失败，不允许访问，并将失败访问次数加一。

2.如权利要求1所述的一种随机式声纹验证系统，其特征在于，所述个人信息包括姓名、职位职级以及联系方式；云平台根据不同的职位职级匹配不同的访问权限。

3.如权利要求1所述的一种随机式声纹验证系统，其特征在于，所述声纹提取模块用于对语音录入模块反馈的语音片段进行声纹特征提取并建立声纹模型，提取过程包括：

语音片段预处理，声纹提取模块对语音片段进行数字滤波、端点检测、去零漂、预加重、加汉明窗处理获取一级处理语音；

一级处理语音特征提取，声纹提取模块采用MFCC与LPCC进行声学建模，并通过求取一阶微分、特征加权、特征维选择、特征组合获取一致的声纹特征；

声纹提取模块根据提取的声纹特征建立声纹模型，并反馈至云平台。

4.如权利要求3所述的一种随机式声纹验证系统，其特征在于，其中，端点检测采用自适应双门限检定法检测语音端点。

5.如权利要求2所述的一种随机式声纹验证系统，其特征在于，所述访问权限包括一级访问权限、二级访问权限以及三级访问权限，访问权限依次由低到高。

6.如权利要求3所述的一种随机式声纹验证系统，其特征在于，所述声纹提取模块在进行声纹特征提取前，语音录入模块还会提示录入训练语音，访问者根据训练语音进行阅读并录入，声纹提取模块根据训练语音以及原始声纹字段的语音片段进行声纹特征提取。

7.如权利要求1所述的一种随机式声纹验证系统，其特征在于，所述云平台内部存储有区域地图并设定有相应区域的允许访问等级；云平台内存储有若干声纹验证信息，且声纹验证信息分为不同的等级，该等级对应允许访问等级；不同的声纹验证信息的字符串长度不一致。

8.如权利要求1所述的一种随机式声纹验证系统，其特征在于，所述随机验证码生成模块生成随机声纹验证信息的过程包括：

随机验证码生成模块获取该访问者的成功访问次数以及失败访问次数，并标记为Cc、Cs；

随机验证码生成模块计算访问验证值FY；计算公式为：

，

其中的为修正系数；

将声纹验证信息根据字符串的长度进行升序排列，并进行顺序编号，获取对应声纹验证信息的总个数M；

将总个数M与访问验证值FY求积并取整，将对应编号的声纹验证信息反馈至至访问验证模块。

9.如权利要求1-8任一项所述的一种随机式声纹验证系统的声纹验证方法，其特征在于，方法包括以下：

访问者通过输入个人信息在云平台进行注册登录，并在注册完成后，云平台发送声纹录入信号至语音录入模块，语音录入模块生成原始声纹字段，访问者根据原始声纹字段进行阅读，语音录入模块进行语音片段的获取；

所述声纹提取模块用于对语音录入模块反馈的语音片段进行声纹特征提取并建立声纹模型：声纹提取模块对语音片段进行数字滤波、端点检测、去零漂、预加重、加汉明窗等处理获取一级处理语音；采用MFCC与LPCC进行声学建模，并通过求取一阶微分、特征加权、特征维选择、特征组合等方式获取一致的声纹特征；根据提取的声纹特征建立声纹模型，并反馈至云平台，所述云平台将声纹模型与该访问者的个人信息进行绑定，标记为验证组；

访问者在进行云平台信息访问时，通过访问验证模块对访问者的身份信息进行验证，访问验证模块获取登录账号并发送验证信息至云平台；其中的验证信息包括身份验证请求以及登录账号对应的访问者姓名；所述云平台接收到验证信息后，获取对应访问者的位置并判定允许访问等级；

当允许访问等级的访问权限大于等于访问者的访问权限时，云平台发送随机生成信号至随机验证码生成模块，随机验证码生成模块生成随机声纹验证信息至访问验证模块；

访问者通过阅读文本，访问验证模块获取语音并发送至声纹提取模块，声纹提取模块进行语音预处理，声纹提取模块对语音进行数字滤波、端点检测、去零漂、预加重、加汉明窗等处理获取一级处理语音；并采用MFCC与LPCC进行声学建模，并通过求取一阶微分、特征加权、特征维选择、特征组合等方式获取一致的声纹特征；并反馈回访问验证模块；

访问验证模块将声纹特征与访问者对应的声纹模型进行声纹识别，计算访问者的声纹特征在声纹模型的匹配得分；

访问验证模块设定匹配分阈值；

当匹配得分大于等于匹配分阈值时，验证通过，允许访问；并将成功访问次数加一；

当匹配得分小于匹配分阈值时，验证失败，不允许访问，并将失败访问次数加一。