JP3904608B2 - 話者確認法 - Google Patents

Description

本発明は、請求項１の前文によるところの、システムのユーザーが１つまたは１つ以上のサービスにアクセスすることを可能とする方法に関する。
サービスやシステムにユーザーがアクセスする前に、そのユーザーの識別を必要とする状況がしばしば発生する。それらのサービスには、たとえば、コンピューターへのリモートアクセス、電子銀行取引、ビルの保安アクセス管理などがある。この様に多くの新しい電話サービスに関して、その発信者の識別をあいまいさを残さずに確認する（ベリファイ）ことが必要である。発信者は、これらのサービスに、多くの異なったアクセスポイントからアクセスしようとするだろうから、その発信者が使う電話ネットワーク内のアクセスポイントから発信者の識別を行うことはできない。
本発明の目的は、システムのユーザーの識別が可能となり、それによって簡単な方法で、１つあるいは１つ以上のサービスにアクセスし得る方法を提供することである。
システム内のユーザーを識別するために用いられる周知の方法では、ユーザーは、まず、個人識別コード（ID）を入力することによって、ユーザー自身の識別を行うよう要求される。次に、ユーザーは、その要求された識別を証明するための秘密にされたパスワードの入力を要求される。所望のサービスへのアクセスは入力したパスワードが入力されたIDに一致した場合にだけ許される。これは、たとえば、多くの電話ネットワーク運営会社によって提案されている呼び出しカード使用法である。サービスを受けようとする加入者は、たとえば、加入者のコードまたは番号が印刷されたクレジットカード形式のカードを支給されている。さらに、加入者は、自分自身で覚えておかなければならない秘密にされた個人識別コード（パーソナル アイデンティフィケーション コード，ＰＩＮ）を与えられている。加入者コードは加入者を識別するために必要であり、また、ＰＩＮコードは入力された識別を確認するために必要である。
サービスを利用するために、その加入者は、呼び出しカードの運用を行っているサーバーに対して加入者をつなぐための料金不要電話番号を呼び出す。一旦、呼び出しが成立すると、サーバー内のスピーチ発生器が、その呼び出し人に加入者番号（ユーザーが購入したカード上に印刷されている）と、次に、呼び出し人の秘密ＰＩＮコードの入力を促す。これらの番号は電話機のキーボードから手で入力したり、より便利な方法としては、音声で入力することもできる。この後者の場合には、各数字はサーバーに内蔵されたスピーチ認識アルゴリズムによって認識される。
もしサーバーが、入力された加入者番号を認識し、さらに、もし入力されたＰＩＮコードがこの加入者番号と一致すれば、その加入者はそのネットワーク内の他の加入者へ接続されうる。通話の送り状（invoice）は、通話の行われた場所には無関係に、呼び出し側の加入者に自動的に送られる。
この方法では、２個の数字を引き続いて入力しなければならなず、しかも、その1つは覚えておかなければならないので、加入者にとって大変めんどうである。また、ＰＩＮコードが、往々にして、カード上かカードの近辺に書き込まれたりするので、その安全性は最善のものではない。
米国特許５，２９７，１９４は、加入者が１つの唯一のパスワードを１文字（ディジット）ずつ入力することを促される方法について述べている。サーバーのディジタル処理システム上で動作するスピーチ認識アルゴリズムが受け取った情報を処理し、統計的な認識方式を用いて各文字を決定する。すべての文字が認識された後、さらに、もしパスワードが有効なものであれば、サーバーは話者確認アルゴリズムを用いて、入力されたパスワードが以前にそのパスワードに割り当てられた声の持ち主である通話者によって話されたものであるかどうかを判断する。他のサービスへのアクセスは、この確認アルゴリズムが一致を得たときにのみ与えられ、一致が得られなかった場合には、システムは、そのアクセス要求を拒否して通話は終了させられる。
この方法は、通常、あらかじめ加入者がシステムに登録されていることが必要である。したがって、話者確認アルゴリズムは、全ての認定された加入者から集められた音声照合基準（ボイスレファレンシズ）からなる音声参照データベーズを用いている。登録は加入者に多数桁の数字を数回繰り返し発音させることによってなされる。音声照合はこれらの発声から得られる。この音声照合基準は加入者に帰属するパスワードに割り当てられる。
この方法は、登録時におけるユーザーの能動的（アクティブ）な協力を要求しており、したがって、特に、新規加入者を意気を阻喪させるものである。その上、登録は普通１台の電話器から、たとえば、その新規加入者の住所にある電話器から、１期間（セッション）の通話で行われる。したがって、登録された音声照合基準の品質は、最初に使われた電話機の特性に大きく依存することとなり、その結果、加入者は、その後の異なる電話器からの呼び出しを認識してもらえないと言うおそれがある。
登録を必要とする他の話者確認法がUS-A-４，８２７，５１８と、AT&T Technical Journal誌、６５巻、５号、１９８６年９月、６８−７４ページに、Birnbaum Martha，「アクセス保安のための音声パスワードシステム」として記載されている。
他の話者認識法とアルゴリズムが、George R. Doddingtonによって、Proceedings of the IEEE誌、73巻、11号、1985年11月、1651-1664ページの「話者認識 - 声によって人を識別する」に、また、John Oglesbyによって、スピーチコミュニケーション誌、17巻、1995年、193-208ページの「一つの数に何があるか？等しい誤り率を超えてゆく」に、また、Sadaoki Furuiによって、自動話者認識、識別、確認についてのESCAワークショップの「話者認識技術の展望」に述べられている。
本発明の目的は、システムのユーザーが１つまたは１つ以上のサービスへのアクセス可能とする改良された方法を提供することである。
本発明によれば、この目的は、請求項１の特徴記述部分に述べられた追加のステップによって達成される。
本発明の好ましい実施例は従属請求項で述べられる。
本発明によれば、加入者は、先行技術と同様に、加入者コードと秘密ＰＩＮコードを受け取る。加入者コードは加入者を識別する働きをし、また、ＰＩＮコードは請求された識別コードを確認する働きをする。
サービスを利用するのに、その加入者は、まず、加入者コードを入力するよう促される（たとえば、スピーチ発生器によって）。この数字は、たとえば、加入者がそれ以前に購入していた加入者カード上に印刷されている。次に、話者確認アルゴリズムが使われて、ユーザーによってなされた識別請求が、ユーザーの声とユーザーの入力した加入者コードに付属してシステム内にしまわれている音声照合基準との間の音声比較を行うことによって、確認される。ユーザーの声が上記音声照合基準と一致すれば、所望のサービスへのアクセスが与えられる。
もし上記照合が所定の信頼性の程度をもって識別請求を確認できるほど十分良好なものでなければ、ユーザーは秘密ＰＩＮコードを入力するよう促される。そこで、ＰＩＮコードがチェックされ、チェックの結果が正であれば、新しい音声照合基準が、バックグラウンド（背後の）処理でつくられ、ユーザーによって入力される加入者コードに関連づけられる。
本発明の１つの利点は、特に電話ネットワーク内の発信者を識別するのに使われるとき、音声照合基準が、ふつういろいろな場所から、また、いろいろな電話器を用いての数セッションの通話中につくられ且つ記憶されることにある。したがって、ある特定の加入者用に記憶された音声照合基準には、通常、非常に多様な環境条件（ノイズ、電話線、マイク、等々）が考慮に入れられていることになる。
本発明によれば、登録のための特別な通話を必要としない。したがって、本方法はユーザーフレンドリーであり、特に新規加入者に対してそうである。
同様に、つくられた音声照合基準は、２つの通話期間で起こるかもしれないユーザーのスピーチの変化を考慮に入れることができる。たとえば、ユーザーの声が、通話のはじめの部分で、より内密にしなければと感じるときに、その後の通話におけるよりも、より小声で早口にしゃべる、と言うことはことはしばしば起こり得る。
ユーザーに過大な不快感を持たせることなく音声照合基準用に非常に多くの発声を使うことが可能である。たとえ音声照合基準が、すでにユーザー識別の信頼性の高い確認に対して充分良好である場合でも、その音声照合基準の品質をより一層改善してユーザーの声の変化に対してそれを適用してゆくように、新しい発声をさらに考慮に入れてゆくことが可能である。
本発明の１実施例を、ただ例示のみで、以下の図示によって説明する。
下図において：図１は本実施例のフローチャートである。
図２は、十分の安全性をもって加入者を認識するほどに十分良好な照合基準の音声パラメータがしまわれていないとき、サーバーによって実行されるステップの部分的なフローチャート、である。
図３は、サーバが加入者を所定の信頼性の程度をもって認識するのに十分良い照合基準の音声パラメータをすでに記憶しているとき、サーバーによって実行されるステップの部分的なフローチャートである。
図４は、本発明の方法によって設定されたデータベースの構造を示す。
本発明による方法の各ステップを詳細に説明する前に、本発明による方法を実行するのに用いられるデータベース１２０を図４を参照しながら説明する。加入者データベースの各記録は１人の加入者に対応し、それはまた、ユーザーの身元を識別しまた確認するのに必要な情報を含んでいる。各加入者に関連する記録は加入者コード領域１２１、ＰＩＮコード領域１２２、音声照合基準領域１２３および照合フラグ１２４を含んでいる。加入者コード領域１２１は各加入者をあいまいさを許すことなく指定するのに十分な桁数を含んでいる。この例では、加入者コード領域は英数文字を含んでいるが、多くの応用では、数字だけが許される場合もある。ＰＩＮコード領域１２２は、応用に応じて変わるであろう所定の信頼性の程度をもってユーザーの請求した識別を確認するのに十分な桁数を含んでいる。ここの各桁も英数文字か又は数字だけでもかまわない。音声照合基準領域１２３には加入者に対応する音声照合基準がしまわれている。用いられる話者確認アルゴリズムに依存して、音声照合基準領域は、加入者の声（発声）のいくつかのサンプル、１つまたはいくつかの発声から抽出された１個のサンプル、あるいは、加入者の１つまたはそれ以前のいくつかの発声から抽出された１個またはいくつかのパラメータをたくわえることができる。照合フラグ１２４は領域１２３にしまわれている音声照合基準が、あらかじめ設定された信頼性の程度をもって加入者の識別を確認するのに十分良好な品質を持っているかどうかを表す１個のビットである。
このシステムによって使われる方法を、電話ネットワーク中の発信者の識別に特に関係している図１から３を参照して説明する。
提供されるサービスにアクセスしょうとするユーザーは、本発明の方法を実行するサーバーを呼び出す（ステップ２）。ステップ４の間、ユーザーは先ず、あいさつをされ、次に、ユーザー自身の加入者コード（あるいは、何か他の識別データのフォーム）を入力するように促される。
加入者コードは、音声で、たとえば、順次、数字ごとに入力されるのが望ましい。あるいは、加入者コードを手で、たとえば、ユーザーの受話器のキーボードから入力してもよい。この後者の場合には、ユーザーは何か言うように、たとえば何かの標準の文章を繰り返すように促されるだろう。
次のステップ６は加入者識別を行うことである。もし加入者コードが声で入力されるのであれば、加入者識別は、ユーザーの話した短文から加入者コードを抽出するスピーチ認識を意味する。もし加入者コードが受話器のキーボードを用いて手で入力されるのであれば、発生されたパルスまたはトーンが加入者コードの数字の決定に使われる。ステップ４とステップ６は、その送信の品質が加入者コード識別のため充分良好になるまで、数回繰り返してもよい。異なる加入者コードが各加入者に割り当てられるので、ステップ６の後には、システムはユーザーが請求した識別を知ることになる。
音声照合基準１２３が、データベース１２０中でユーザーが本人であると請求した加入者にすでに割り当てられたかどうか、についてのテストが、ステップ８の間でなされる。このテストの結果が否であれば、図２に関連して以下に述べられるフェーズＡが実行される。一方、もし、音声照合基準１２３が、すでに、識別された加入者に割り当てられていれば、ステップ１０で照合フラグ１２４がチェックされる。加入者に割り当てられた音声照合基準１２３が、必要とされる信頼度をもってその識別を確認する程度に充分良好である（用いられるアルゴリズムに依存するが）とき、そうであるときにのみこのフラグが１と立てられることは、以下の説明でもわかることである。
もし照合フラグ１２４が０であれば、以下に図２を参照して議論されるフェーズＡが実行される（ステップ２０）。反対に、それが正値であれば、以下に図３を参照して議論されるフェーズＢが実行される（ステップ３０）。
照合フラグ１２４はまた、新規加入者がデータベースにしまわれるときにも０にセットされる。この場合、テスト８をとばすこともできる。
フェーズＡを図２を参照して説明しよう。フェーズＡは、データベース１２０で、まだ音声照合基準１２３が加入者に割り当てられていないとき、あるいは、あらかじめ設定された信頼性の程度をもって加入者の識別を確認するに十分良好でないとき、実行される。いくつかの呼び出しの後には、加入者の識別が加入者の声から自動的に確認され、以後、このフェーズは実行されなくなる。
フェーズＡのはじまりのステップ２１で、ユーザーはＰＩＮコードを入力するように促される。このＰＩＮコードは秘密にされており、声かまたは受話器のキーボードを使って手で入力される。先の場合には、スピーチ認識アルゴリズムが、声で入力されたＰＩＮコードを認識するのに使われ、後の場合には、ＰＩＮコードは、手によってキーボードで発生された選択パルスまたはトーンから決定される。ステップ２２では、ユーザーによって入力されたＰＩＮコードが、ユーザーが本人であると請求している加入者に割り当てられたＰＩＮコード１２２に一致しているかどうかをチェックする。もし、ＰＩＮコードが正しくなければ、サービスへのアクセスは拒否され、その通話は終了させられる（ステップ２３）。これの変形の実施例では、ユーザーが最初のＰＩＮコードの入力に失敗した場合、２回目あるいは３回目のＰＩＮコード再入力のチャンスが与えられる。
反対に、もしＰＩＮコードが正しければ、所望のサービスへのアクセスが与えられる（ステップ２５）。応用に応じて、サービスには、他のネツトワークへの加入者の接続、データベースへのアクセス、電子資金移動、クレジットカード承認、加入者個人識別、通話のネットワークプロバイダーを用いた使用者口座への請求、等々があり得る。しかし。本発明は、例示としてだけあげた上記各種の応用に限られるものでないということに留意すべきである。
バックグラウンドのプロセス（ステップ２４）で、ステップ２５と同時に、新しい音声照合基準がユーザーの声のサンプル（発声）を用いてつくられ、その加入者用として割り当てられる（領域１２３）。ステップ２６は、つくられた音声照合基準が、いまや、あらかじめ設定された信頼性の程度をもって加入者の識別を確認するに十分良好であるかどうかをチェックするテストである。
「十分良好」の意味するところは、音声の確認に使われるアルゴリズムに依存して変わるし、あらかじめ設定された信頼性の程度も明らかに応用に依存する。たとえば、音声照合基準が、たとえば最小回数１０回の発声からつくられた場合に、十分良好であると決めることができる。この場合には、各ユーザーに付属する音声照合基準は、上記ユーザーが１０回かそれ以上の回数アクセスした時点で十分良好と見なされる。各加入者コード１２１に付属する追加の領域に加入者が入力したアクセスの回数をしまう計数手段が必要となる。あるいは、音声照合基準１２３のいくつかのパラメーターからその音声照合基準が十分良好であるかどうかを直接決定するのに使うことのできる話者確認アルゴリズムによってもよい。否の結果が出た場合には、その加入者に対応する照合フラグ１２４が、ステップ２７の過程で０にセットされ、そのまま保持される。反対に、音声照合基準がいまや十分となった場合には、フラグ１２４がステップ２８の過程で１にセットされる。この場合には、加入者からのその後の呼び出し時に、原則として、加入者コードだけが要求され、システムは、フェーズAの代わりに、次に図３を参照して説明されるフェーズＢを実行する。
フェーズＢは、識別の十分信頼性ある確認を許す程度に、その声が十分に知られた加入者の呼び出しに対して実行される。ステップ３１の過程で、ユーザーによって請求された加入者識別が話者確認アルゴリズムを用いて確認される。このようにすると、比較は、ユーザーの発声とその請求した加入者にシステム内で割り当てられている音声照合基準１２３との間でなされる。既知の人物の確認に使われるアルゴリズムであれば、何でも、たとえば、先述の文書の一つの中で述べられたような、ユーザーの発声がユーザーによって入力された加入者コード１２１に付属する音声照合基準と一致するかどうかを確認するアルゴリズムで行うことができる。
もし、このテスト（ステップ３２）の結果がよければ、すなわち、もしユーザーの識別が確認されたならば、アクセスが所望のサービスにつながれる（ステップ３５）。反対に、もし入力された声が識別を請求した加入者に割り当てられた音声照合基準に十分な一致が得られなければ、所望のサービスへのアクセスは拒否され、通話は終了させられる（ステップ３３）。ある変形実施例では、ユーザーの識別が本人の声から得られない場合には、ステップ３３の代わりに、フェーズAが実行される。この場合、既に述べたように、ユーザーはＰＩＮコードの入力を促される。
本発明の好ましい実施例では、たとえ、加入者に割り当てられた音声照合基準がすでに十分良好であっても、ユーザーの発声は、バックグランドのステップ３４で新しい音声照合基準をつくるのに使われる。この新しい音声照合基準はユーザーによって入力された加入者コードに付属する領域１２３にしまわれる。このようにして、システムは、加入者の加齢や、季節的な温度変化や、電話器が異なること、等々による声の変化に順次適応してゆくことができる。
以上、特に、電話ネットワーク内での本方法の使用に関して説明してきた。しかし。本発明が他のタイプの取引やネットワークに利用できることは明らかである。たとえば、本発明は自動出納器や制御装置へのアクセスなどにおける識別の確認用に使うことも可能である。

Claims (7)

1. ユーザーに対して加入者コード（１２１）による本人の識別を促すステップ（４，６）と、
   前記加入者コードが記録され、音声照合基準が前記加入者コードに割り当てられているという条件で、ユーザーの声がユーザーによって入力された加入者コード（１２１）に付属する音声照合基準（１２３）と比較され、もし、ユーザーの声が上記の音声照合基準に一致すれば、所望のサービスへのアクセスが与えられる、加入者を確認するステップ（３１，３２）と、
   の諸ステップを少なくとも含む方法であって、
   前記ユーザーによって入力された前記加入者コード（１２１）に付属する音声照合基準（１２３）がないとき、又は、ユーザーによって入力された加入者コード（１２１）に付属する音声照合基準（１２３）が、あらかじめ設定された信頼性の程度をもって加入者の識別を確認するのに十分良好でないとき、の初期フェーズの間に実行されるところの以下の追加ステップであって、
   上記ユーザー（２１）に対してＰＩＮコード（１２２）の入力を促すステップと、
   ユーザーによって入力されたＰＩＮコードを加入者コード（１２１）に関連するＰＩＮコード（１２２）と比較するステップ（２２）と、
   もし、ユーザーによって入力されたＰＩＮコードが加入者コード（１２１）に付属するＰＩＮコード（１２２）と一致すると、所望のサービスへのアクセスが与えられ（２５）、加入者コード（１２１）に付属した新しい音声照合基準（１２３）をつくる（２４）か、又は、前記音声照合基準（１２３）が前記加入者コード（１２１）にすでに付属するという条件では、前記新しい音声照合基準によって前記音声照合基準を更新するステップと
   を有する、追加ステップにより特徴づけられる、システムのユーザーが１つ以上のサービスにアクセスすることのできる方法。
2. ユーザーがその加入者コード（１２１）を声で入力することを促され、入力された加入者コードを認識するのにスピーチ認識アルゴリズムが使われる、請求項１による方法。
3. ユーザーがその加入者コード（１２１）をキーボードから入力することが促され、キーボードタイプすることによって発生されるトーンまたはパルスが加入者コードを認識するのに使われ、さらに、ユーザーは話者確認を可能とする短文を話すことが促される、請求項１の方法。
4. ユーザーの声が、ユーザーによって入力された加入者コード（１２１）に関連する上記音声照合基準（１２３）と一致しないとき、ユーザーはＰＩＮコード（１２２）の入力を促され、ユーザーによって入力されたＰＩＮコードが、ユーザーによって入力された加入者コード（１２１）に付属するＰＩＮコード（１２２）に一致するとき、所望のサービスへのアクセスが与えられる、請求項１から３のいずれか１つによる方法。
5. ユーザーがＰＩＮコード（１２２）を声で入力することを促され、入力されたＰＩＮコードを認識するのにスピーチ認識アルゴリズムが用いられる、請求項１から４のいずれか１つによる方法。
6. ユーザーがＰＩＮコード（１２２）をキーボード上で入力することを促され、キーボードをタイプすることによって発生するトーンまたはパルスが入力された加入者コードを認識するのに用いられる、請求項１から４のいずれか１つによる方法。
7. ユーザーの声が、ユーザーによって入力された加入者コード（１２１）に付属する上記音声照合基準（１２３）に一致するとき、新しい音声照合基準（１２３）
   がつくられ（３４）、ユーザーによって入力された加入者コード（１２１）に帰属させられる、請求項１から６のいずれか１つによる方法。

Images