JP2004062076A

JP2004062076A - 本人認証装置および本人認証方法、コンピュータプログラム

Info

Publication number: JP2004062076A
Application number: JP2002223798A
Authority: JP
Inventors: Tsuneo Kato; 加藤　恒夫; Toru Shimizu; 清水　徹
Original assignee: KDDI Corp
Current assignee: KDDI Corp
Priority date: 2002-07-31
Filing date: 2002-07-31
Publication date: 2004-02-26
Anticipated expiration: 2022-07-31
Also published as: JP4263439B2

Abstract

【課題】本人詐称を防止するとともに、利用者（話者）の負担をできるだけ軽減し、且つ効率よく認証を行うことができる本人認証装置を実現する。
【解決手段】話者登録に使用された発声パタンを保存する話者登録用パタン蓄積器９と、該話者登録用パタンに含まれる複数単語の連鎖を少なくとも一組含む話者認証用の発声パタンを、発話者に指定するパタン指定器８と、予め登録されている特徴量と入力音声信号Ａから抽出した特徴量とから、発話者が既登録の話者本人であるか否かを判定する話者判定器７とを備えたことを特徴とする。
【選択図】　　図１

Description

【０００１】
【発明の属する技術分野】
本発明は、本人認証装置および本人認証方法、並びにその本人認証装置をコンピュータを利用して実現するためのコンピュータプログラムに関する。
【０００２】
【従来の技術】
従来の本人認証装置として、例えば特開平９−２４４６８４号公報に記載される装置が知られている。この従来の本人認証装置は、発話者の入力音声に基づいて本人の認証を行うものであり、予め登録されている特徴量と該入力音声から抽出した特徴量とから、発話者が既登録の話者本人であるか否かを判定する。発話者の入力音声としては、個人ＩＤやパスワード等の特定のキーワードが使用される。
【０００３】
【発明が解決しようとする課題】
しかし、上述した従来の本人認証装置では、認証時の入力音声として個人ＩＤやパスワード等の特定のキーワードを使用するために、登録者本人の音声を予め、例えば認証時に録音しておき、その再生音声を第三者が用いることにより、本人詐称が行われやすいという問題がある。
【０００４】
この問題に対処するために、認証時に利用者に多数のキーワードを発声してもらい、入力音声として使用するキーワードを増やす方法があるが、この方法では利用者の負担が増大する。さらに、入力音声として使用するキーワードを増やした場合、認証時間が長くなり、認証効率が低下するという問題もある。
【０００５】
本発明は、このような事情を考慮してなされたもので、その目的は、本人詐称を防止するとともに、利用者（話者）の負担をできるだけ軽減し、且つ効率よく認証を行うことができる本人認証装置および本人認証方法を提供することにある。
【０００６】
また、本発明は、その本人認証装置をコンピュータを利用して実現するためのコンピュータプログラムを提供することも目的とする。
【０００７】
【課題を解決するための手段】
上記の課題を解決するために、請求項１に記載の本人認証装置は、発話者の入力音声に基づいて本人の認証を行う本人認証装置において、話者登録に使用された発声パタンを保存する話者登録用パタン記憶手段と、前記保存されている話者登録用パタンに含まれる複数単語の連鎖を少なくとも一組含む話者認証用の発声パタンを、前記発話者に指定する発声パタン指定手段と、予め登録されている特徴量と前記入力音声から抽出した特徴量とから、発話者が既登録の話者本人であるか否かを判定する話者判定手段と、を備えたことを特徴としている。
【０００８】
請求項２に記載の本人認証装置においては、前記話者判定手段は、予め登録されている特徴量と前記入力音声から抽出した特徴量とから、発話者が既登録の話者本人であることを判定する認証受理判定手段と、予め登録されている特徴量と前記入力音声から抽出した特徴量とから、発話者が既登録の話者本人ではないことを判定する認証拒否判定手段とを備え、前記発声パタン指定手段は、前記各判定の結果、認証受理または認証拒否のいずれにも該当しない場合に、前記指定した発声パタンよりも認証精度を高めるような発声パタンを新たに指定することを特徴とする。
【０００９】
請求項３に記載の本人認証装置においては、前記発声パタン指定手段は、前記再指定の際に、前回指定の話者認証用パタンよりも、前記保存されている話者登録用パタン内の複数単語の連鎖の組み数を増やすことを特徴とする。
【００１０】
請求項４に記載の本人認証装置においては、前記発声パタン指定手段は、前記再指定の際に、前回指定の話者認証用パタンよりも、前記保存されている話者登録用パタン内の一連の単語連鎖の数を増やすことを特徴とする。
【００１１】
上記の課題を解決するために、請求項５に記載の本人認証方法は、発話者の入力音声に基づいて本人の認証を行う本人認証方法であって、話者登録に使用された発声パタンに含まれる複数単語の連鎖を少なくとも一組含む話者認証用の発声パタンを前記発話者に指定する過程と、予め登録されている特徴量と前記入力音声から抽出した特徴量とから、発話者が既登録の話者本人であるか否かを判定する過程と、を含むことを特徴としている。
【００１２】
上記の課題を解決するために、請求項６に記載のコンピュータプログラムは、発話者の入力音声に基づいて本人の認証を行う本人認証処理を行うためのコンピュータプログラムであって、話者登録に使用された発声パタンに含まれる複数単語の連鎖を少なくとも一組含む話者認証用の発声パタンを前記発話者に指定する処理と、予め登録されている特徴量と前記入力音声から抽出した特徴量とから、発話者が既登録の話者本人であるか否かを判定する処理と、をコンピュータに実行させることを特徴としている。
これにより、前述の本人認証装置がコンピュータを利用して実現できるようになる。
【００１３】
【発明の実施の形態】
以下、図面を参照し、本発明の一実施形態について説明する。
図１は、本発明の一実施形態による本人認証装置の構成を示すブロック図である。この図１において、本人認証装置１の入出力信号はディジタル信号であり、本人認証装置１はディジタル処理により実現されている。したがって、入出力がアナログ音声信号の場合には、アナログ・ディジタル変換器（ＡＤ変換器）により信号変換されて、本実施形態の本人認証装置１と接続されるものとする。また、本人認証装置１への入力音声信号としては電話回線やマイクなどからの入力が利用可能である。また、電話回線やスピーカなどへ、本人認証装置１から音声信号を出力することができる。
【００１４】
図１の本人認証装置１において、特徴抽出器２は、入力音声信号Ａから音響的な特徴量を抽出する。発声内容判定器３は、話者の発声内容がバッファ１０に保存されている発声プロンプトＣで示される発声内容に一致するか判定する。スイッチ４は、特徴抽出器２の出力の接続先を、話者登録時と話者認証時とで切換える。
登録判定器５は、話者登録時に、特徴抽出器２によって抽出された特徴量が話者登録用に十分であるか否かを判定する。また、該特徴量に基づいて学習により話者モデルを生成する。例えば、所定回数分の音声入力を条件として十分であると判定する。あるいは、話者モデルを生成しながら該モデルを評価し、一定の品質に達したところで十分であると判定する。上記話者モデルとしては、ＨＭＭ（Ｈｉｄｄｅｎ　Ｍａｒｋｏｖ　Ｍｏｄｅｌ）やＧＭＭ（Ｇａｕｓｓｉａｎ　Ｍｉｘｔｕｒｅ　Ｍｏｄｅｌ）などが利用可能である。
【００１５】
音声特徴情報蓄積器６は、登録判定器５によって生成された話者モデルを記憶する。
話者判定器７（話者判定手段）は、話者認証時に、特徴抽出器２によって抽出された特徴量と音声特徴情報蓄積器６の話者モデルとの類似度を計算し、該類似度に基づいて話者認証の可否を判定し、該話者判定結果Ｂを出力する。
パタン指定器８（発声パタン指定手段）は、話者登録用の発声パタン（以下、話者登録用パタンと称する）と話者認証用の発声パタン（以下、話者認証用パタンと称する）を指定し、該指定パタンの発声を促す発声プロンプトＣを生成して出力する。
話者登録用パタン蓄積器９（話者登録用パタン記憶手段）は、パタン指定器８によって指定された話者登録用パタンを記憶する。
バッファ１０は、パタン指定器８から出力された発声プロンプトＣを順次上書き方式で記憶する。
【００１６】
次に、図２を参照して、話者登録時の本人認証装置１の動作を説明する。図２は、図１に示す本人認証装置１が行う話者登録処理の流れを示すフローチャートである。
初めに、話者の個人ＩＤ及びパスワードを用いたユーザ認証が実施され、該認証が受理されると、図２の話者登録処理が開始される。
図２において、先ず、パタン指定器８は、複数の単語の連続で構成される話者登録用パタンを指定して、話者登録用パタン蓄積器９に保存する（ステップＳ１）。例えば、６桁の連続数字を話者登録用パタンとする。次いで、パタン指定器８は、該指定パタンの発声を促す発声プロンプトＣを生成して出力する（ステップＳ２）。この発声プロンプトＣはバッファ１０に保存されるとともに、本人認証装置１から出力される。
【００１７】
次いで、話者が指定パタンを発声し、入力音声信号Ａが入力されると、特徴抽出器２は入力音声信号Ａから音響的特徴量を抽出する（ステップＳ３、Ｓ４）。次いで、発声内容判定器３は、話者の発声内容がバッファ１０に保存されている発声プロンプトＣで示される発声内容に一致するか判定する（ステップＳ５）。次いで、登録判定器５は、良好な話者モデルを生成するために十分な特徴量であるか否かを判定し（ステップＳ６）、不十分な場合またはステップＳ５の判定結果が不一致の場合にパタン指定器８に再度、発声プロンプトＣの出力を指示する。これによりステップＳ２へ戻る。
【００１８】
一方、ステップＳ５の判定結果が一致であり且つ十分な特徴量が得られた場合にはステップＳ７に進み、話者モデルを生成して音声特徴情報蓄積器６に記録する（ステップＳ７）。これにより、話者登録が完了する。
【００１９】
なお、話者登録用パタンには、母音または鼻音を多く含むように構成するのが、話者固有の音響的特徴を抽出しやすくなり、少ない発声回数で効率よく特徴抽出できるので好ましい。
【００２０】
次に、図３を参照して、話者認証時の本人認証装置１の動作を説明する。図３は、図１に示す本人認証装置１が行う話者認証処理の流れを示すフローチャートである。
初めに、話者の個人ＩＤ及びパスワードを用いたユーザ認証が実施され、該認証が受理されると、図３の話者認証処理が開始される。
図３において、先ず、パタン指定器８は、話者登録用パタン蓄積器９に保存されている話者登録用パタンを読み出し、この話者登録用パタンに基づいて話者認証用パタンを指定する（ステップＳ１１）。この指定方法としては、話者登録用パタンに含まれる複数単語の連鎖を少なくとも一組含むようにする。
【００２１】
例えば、説明の便宜上、話者登録用パタンを６桁の連続数字「１２３４５６」とする。この場合、複数単語（複数数字）の連鎖の組は、「１２」、「２３」、「３４」、「４５」、「５６」の５組ある。これら５組の中から、例えばランダムに２組を選択する。これにより、話者認証用パタンとして例えば「２３５６」が指定される。
【００２２】
このように、話者登録用パタンに含まれる複数単語の連鎖を少なくとも一組含むようにして話者認証用パタンを構成することによって、登録者音声の録音再生による本人詐称を防止しつつ、全くのランダムとするよりも認証精度を高く保つことができる。
【００２３】
次いで、パタン指定器８は、該指定パタンの発声を促す発声プロンプトＣを生成して出力する（ステップＳ１２）。この発声プロンプトＣはバッファ１０に保存されるとともに、本人認証装置１から出力される。次いで、話者が指定パタンを発声し、入力音声信号Ａが入力されると、特徴抽出器２は入力音声信号Ａから音響的特徴量を抽出する（ステップＳ１３、Ｓ１４）。次いで、発声内容判定器３は、話者の発声内容がバッファ１０に保存されている発声プロンプトＣで示される発声内容に一致するか判定する。この判定の結果、不一致の場合にはパタン指定器８が再度、同じ発声プロンプトＣを出力する（ステップＳ１５）。次いで、話者判定器７は、音声特徴情報蓄積器６の話者モデルを参照し、特徴抽出器２によって抽出された特徴量と話者モデルとの類似度Ｓを計算する（ステップＳ１６）。
【００２４】
次いで、話者判定器７は、該類似度Ｓと所定の認証受理判定用閾値Ｔｈ１を比較し（ステップＳ１７）、類似度Ｓの方が大きい場合に当該話者の認証を受理する判定結果Ｂを出力する（ステップＳ１９）。上記閾値Ｔｈ１は予め話者判定器７に設定されている。閾値Ｔｈ１としては、他人を誤って認証受理する確率（他人受理率）が少なくなるように、例えば実験で他人受理率が１％となった値を採用する。
【００２５】
一方、ステップＳ１７の比較の結果、類似度Ｓの方が大きくない場合には、ステップＳ１８で類似度Ｓと所定の認証拒否判定用閾値Ｔｈ２を比較し、類似度Ｓの方が小さい場合に当該話者の認証を拒否する判定結果Ｂを出力する（ステップＳ２０）。上記閾値Ｔｈ２は予め話者判定器７に設定されている。閾値Ｔｈ２としては、本人を誤って認証拒否する確率（本人拒否率）が少なくなるように、例えば実験で本人拒否率が１％となった値を採用する。
なお、上記のように本人拒否率と他人受理率が等しくなるように判定閾値Ｔｈ１及びＴｈ２を設定した場合の誤り率は、等誤り率として知られている。
【００２６】
一方、ステップＳ１８の比較の結果、類似度Ｓの方が小さくない場合には、すなわち類似度Ｓが閾値Ｔｈ１と閾値Ｔｈ２の間にある場合は、話者判定器７は、認証受理とも拒否とも判定することができないと判断して、パタン指定器８へ認証精度が高くなるように、話者認証用パタンを更新して再度発声プロンプトＣを出力するように指示する。これによりステップＳ１１へ戻る。
【００２７】
このように、話者に再発声を促す際には、話者認証用パタンとして、だんだん認証精度が高くなるものを指定する。例えば、１回目の発声用に、話者登録用パタン（便宜上「１２３４５６」とする）に含まれる複数単語の連鎖を二組含み、且つ該二組が非連続のものを選択して話者認証用パタン（例えば「２３５６」）を構成する。そして、２回目の発声用には、該二組にさらに別の一組を加え、１回目発声用のパタンよりも、複数単語の連鎖の組み数を増やした話者認証用パタン（例えば「２３５６１２」）を構成する。この２回目発声用の話者認証用パタンは、１回目発声用のパタンよりも認証精度が高くなる。そして、３回目の発声用には、話者登録用パタン（「１２３４５６」）を構成する単語のうち、連続した４つの単語を含むように話者認証用パタン（例えば「１２３４」）を構成する。この３回目発声用の話者認証用パタンは、２回目発声用のパタンよりも単語数が少ないが、一連の単語連鎖の数が多いために２回目発声用のパタンよりも認証精度が高くなる。
【００２８】
上記のように、一回目の発声用には、話者登録用パタンに含まれる複数単語の連鎖を少なくとも一組含むようにする。これにより、認証精度はそれほど高くはないが、本人詐称防止に効果が高く、且つ発声単語数を抑えて話者の負担を軽くする。そして、２回目の発声用には、１回目発声用のパタンよりも複数単語の連鎖の組み数を増やす。これにより、発声単語数は増えるが本人詐称防止効果を保ちつつ、認証精度を高める。そして、３回目の発声用には、一連の単語連鎖の数を増やし、認証精度を優先して高める。なお、一連の単語連鎖の数を増やすことにより本人詐称防止効果は低下するが、３回目の発声時には、それまでの１回目および２回目の認証拒否判定をパスしているので本人詐称の可能性は少なく、問題はない。
【００２９】
上述したように本実施形態によれば、話者登録に使用された発声パタンに含まれる複数単語の連鎖を少なくとも一組含む話者認証用の発声パタンを発話者に指定するので、本人詐称を防止するとともに、利用者（話者）の負担をできるだけ軽減し、且つ効率よく認証を行うことができる。
【００３０】
また、認証受理または認証拒否のいずれであるとも判定できない場合に、前回指定した話者認証用パタンよりも認証精度を高めるような発声パタンを新たに指定するので、利用者（話者）の負担を考慮してだんだんと認証精度を高めるようにして認証効率の向上を図ることができる。
【００３１】
また、話者認証用パタンの再指定の際に、前回指定の話者認証用パタンよりも、話者登録用パタン内の複数単語の連鎖の組み数を増やすようにすれば、発声単語数は増えるが本人詐称防止効果を保ちつつ、認証精度を高めることができる。
【００３２】
また、話者認証用パタンの再指定の際に、前回指定の話者認証用パタンよりも、話者登録用パタン内の一連の単語連鎖の数を増やすようにすれば、認証精度を優先して高めることができる。
【００３３】
なお、本発明の本人認証装置および本人認証方法は、テレフォンバンキング等の電話サービスのための音声認証装置、あるいは各種Ｗｅｂサービスのための音声認証装置などに適用することができる。
【００３４】
また、図２，図３に示す各ステップを実現するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することにより本人認証処理を行ってもよい。なお、ここでいう「コンピュータシステム」とは、ＯＳや周辺機器等のハードウェアを含むものであってもよい。
また、「コンピュータシステム」は、ＷＷＷシステムを利用している場合であれば、ホームページ提供環境（あるいは表示環境）も含むものとする。
また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ−ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。
【００３５】
さらに「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムが送信された場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリ（ＲＡＭ）のように、一定時間プログラムを保持しているものも含むものとする。
また、上記プログラムは、このプログラムを記憶装置等に格納したコンピュータシステムから、伝送媒体を介して、あるいは、伝送媒体中の伝送波により他のコンピュータシステムに伝送されてもよい。ここで、プログラムを伝送する「伝送媒体」は、インターネット等のネットワーク（通信網）や電話回線等の通信回線（通信線）のように情報を伝送する機能を有する媒体のことをいう。
また、上記プログラムは、前述した機能の一部を実現するためのものであっても良い。さらに、前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるもの、いわゆる差分ファイル（差分プログラム）であっても良い。
【００３６】
以上、本発明の実施形態を図面を参照して詳述してきたが、具体的な構成はこの実施形態に限られるものではなく、本発明の要旨を逸脱しない範囲の設計変更等も含まれる。
【００３７】
【発明の効果】
以上説明したように、本発明によれば、話者登録に使用された発声パタンに含まれる複数単語の連鎖を少なくとも一組含む話者認証用の発声パタンを発話者に指定するので、本人詐称を防止するとともに、利用者（話者）の負担をできるだけ軽減し、且つ効率よく認証を行うことができる。
【００３８】
また、認証受理または認証拒否のいずれであるとも判定できない場合に、前回指定した話者認証用パタンよりも認証精度を高めるような発声パタンを新たに指定するので、利用者（話者）の負担を考慮してだんだんと認証精度を高めるようにして認証効率の向上を図ることができる。
【００３９】
また、話者認証用パタンの再指定の際に、前回指定の話者認証用パタンよりも、話者登録用パタン内の複数単語の連鎖の組み数を増やすようにすれば、発声単語数は増えるが本人詐称防止効果を保ちつつ、認証精度を高めることができる。
【００４０】
また、話者認証用パタンの再指定の際に、前回指定の話者認証用パタンよりも、話者登録用パタン内の一連の単語連鎖の数を増やすようにすれば、認証精度を優先して高めることができる。
【図面の簡単な説明】
【図１】本発明の一実施形態による本人認証装置の構成を示すブロック図である。
【図２】図１に示す本人認証装置１が行う話者登録処理の流れを示すフローチャートである。
【図３】図１に示す本人認証装置１が行う話者認証処理の流れを示すフローチャートである。
【符号の説明】
１…本人認証装置、２…特徴抽出器、３…発声内容判定器、４…スイッチ、５…登録判定器、６…音声特徴情報蓄積器、７…話者判定器、８…パタン指定器、９…話者登録用パタン蓄積器、１０…バッファ

Claims

発話者の入力音声に基づいて本人の認証を行う本人認証装置において、
話者登録に使用された発声パタンを保存する話者登録用パタン記憶手段と、
前記保存されている話者登録用パタンに含まれる複数単語の連鎖を少なくとも一組含む話者認証用の発声パタンを、前記発話者に指定する発声パタン指定手段と、
予め登録されている特徴量と前記入力音声から抽出した特徴量とから、発話者が既登録の話者本人であるか否かを判定する話者判定手段と、
を備えたことを特徴とする本人認証装置。
前記話者判定手段は、
予め登録されている特徴量と前記入力音声から抽出した特徴量とから、発話者が既登録の話者本人であることを判定する認証受理判定手段と、
予め登録されている特徴量と前記入力音声から抽出した特徴量とから、発話者が既登録の話者本人ではないことを判定する認証拒否判定手段とを備え、
前記発声パタン指定手段は、
前記各判定の結果、認証受理または認証拒否のいずれにも該当しない場合に、前記指定した発声パタンよりも認証精度を高めるような発声パタンを新たに指定する
ことを特徴とする請求項１に記載の本人認証装置。
前記発声パタン指定手段は、前記再指定の際に、前回指定の話者認証用パタンよりも、前記保存されている話者登録用パタン内の複数単語の連鎖の組み数を増やすことを特徴とする請求項２に記載の本人認証装置。
前記発声パタン指定手段は、前記再指定の際に、前回指定の話者認証用パタンよりも、前記保存されている話者登録用パタン内の一連の単語連鎖の数を増やすことを特徴とする請求項２に記載の本人認証装置。
発話者の入力音声に基づいて本人の認証を行う本人認証方法であって、
話者登録に使用された発声パタンに含まれる複数単語の連鎖を少なくとも一組含む話者認証用の発声パタンを前記発話者に指定する過程と、
予め登録されている特徴量と前記入力音声から抽出した特徴量とから、発話者が既登録の話者本人であるか否かを判定する過程と、
を含むことを特徴とする本人認証方法。
発話者の入力音声に基づいて本人の認証を行う本人認証処理を行うためのコンピュータプログラムであって、
話者登録に使用された発声パタンに含まれる複数単語の連鎖を少なくとも一組含む話者認証用の発声パタンを前記発話者に指定する処理と、
予め登録されている特徴量と前記入力音声から抽出した特徴量とから、発話者が既登録の話者本人であるか否かを判定する処理と、
をコンピュータに実行させることを特徴とするコンピュータプログラム。