JP6502512B2 - 動的パスワード音声に基づいた自己学習機能を有する身分認証システム及び方法 - Google Patents
動的パスワード音声に基づいた自己学習機能を有する身分認証システム及び方法 Download PDFInfo
- Publication number
- JP6502512B2 JP6502512B2 JP2017539339A JP2017539339A JP6502512B2 JP 6502512 B2 JP6502512 B2 JP 6502512B2 JP 2017539339 A JP2017539339 A JP 2017539339A JP 2017539339 A JP2017539339 A JP 2017539339A JP 6502512 B2 JP6502512 B2 JP 6502512B2
- Authority
- JP
- Japan
- Prior art keywords
- parameterized
- data
- user
- voice
- time window
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 99
- 238000013500 data storage Methods 0.000 claims description 60
- 230000008569 process Effects 0.000 claims description 29
- 238000010276 construction Methods 0.000 claims description 24
- 238000012545 processing Methods 0.000 claims description 17
- 238000009826 distribution Methods 0.000 claims description 14
- 239000000284 extract Substances 0.000 claims description 9
- 238000001514 detection method Methods 0.000 claims description 6
- 238000009825 accumulation Methods 0.000 claims description 4
- 238000012795 verification Methods 0.000 claims description 4
- 238000003860 storage Methods 0.000 description 21
- 238000010586 diagram Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 7
- 238000012549 training Methods 0.000 description 7
- 230000008859 change Effects 0.000 description 6
- 238000007726 management method Methods 0.000 description 4
- 230000003993 interaction Effects 0.000 description 3
- 238000007476 Maximum Likelihood Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 230000009977 dual effect Effects 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000001755 vocal effect Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
- H04W12/06—Authentication
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/31—User authentication
- G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/45—Structures or tools for the administration of authentication
- G06F21/46—Structures or tools for the administration of authentication by designing passwords or checking the strength of passwords
-
- 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
- G10L15/00—Speech recognition
- G10L15/28—Constructional details of speech recognition systems
- G10L15/30—Distributed recognition, e.g. in client-server systems, for mobile phones or network applications
-
- 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
- G10L17/02—Preprocessing operations, e.g. segment selection; Pattern representation or modelling, e.g. based on linear discriminant analysis [LDA] or principal components; Feature selection or extraction
-
- 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
- G10L17/04—Training, enrolment or model building
-
- 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
-
- 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
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/03—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters
- G10L25/24—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters the extracted parameters being the cepstrum
-
- 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
- H04L63/083—Network architectures or network communication protocols for network security for authentication of entities using passwords
-
- 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)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Computer Security & Cryptography (AREA)
- Multimedia (AREA)
- Acoustics & Sound (AREA)
- Human Computer Interaction (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Signal Processing (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Telephonic Communication Services (AREA)
- Collating Specific Patterns (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Description
図1は、第1の実施形態に係る動的パスワード音声に基づいた自己学習機能を有する身分認証システム1(以下、単に「身分認証システム1」という)の模式図である。身分認証システム1は、要求受付モジュール11と、ユーザ声紋モデル生成モジュール12と、動的パスワード生成モジュール13と、身分認証モジュール14と、声紋モデル蓄積手段15を備えるとともに、声紋モデル自動再構築サブシステム20を有する。
図7には、第2の実施形態に係る動的パスワード音声に基づいた自己学習機能を有する身分認証システム10(以下、単に「身分認証システム10」という)の模式図である。第1の実施形態と同一の構成要素には同一の符号を付して詳細な説明を省略する。
図9は、第3の実施形態に係る動的パスワード音声に基づいた自己学習機能を有する身分認証システム100(以下、単に「身分認証システム100」という)の模式図である。第1の実施形態及び第2の実施形態と同一の構成要素には同一の符号を付して詳細な説明を省略する。
図12(a)には、第1の方式による処理フローが示されている。ステップS301では、最新のパラメータ化音声データに対応付けられている音素を、時間窓パイプ内の最も古い(時間ラベルが最も古い)パラメータ化音声データに対応付けられている音素と比較して、最新のパラメータ化音声データに対応付けられている音素と、時間窓パイプ内の最も古いパラメータ化音声データに対応付けられている音素とのマッチング度を算出する。ステップS302では、前記マッチング度を判定し、前記マッチング度が所定のマッチング度以上である(例えば音素の90%が一致する)場合には、ステップS303に移行し、それ以外の場合には、時間窓パイプに含まれているパラメータ化音声データを更新せず、処理を終了させる。ステップS303では、最新のパラメータ化音声データを時間窓パイプにプッシュするとともに、時間窓パイプから最も古いパラメータ化音声データを取り除く。
図12(b)には、第2の方式による処理フローが示されている。ステップS401では、時間ラベルの古い順に従って、順次に時間窓パイプから一グループのパラメータ化音声データを仮に取り除く。ステップS402では、時間窓パイプに残された全てのパラメータ化音声データおよび最新のパラメータ化音声データに対応付けられている音素に基づいて、文字の音素分布によるバランス度を算出する。ステップS403では、前記バランス度を判定し、前記バランス度が所定のバランス度閾値以上である場合には、ステップS404に移行し、それ以外の場合には、ステップS405に移行する。ステップS404では、最新のパラメータ化音声データを時間窓パイプ(過去の時間帯のパラメータ化音声データがすでにステップS401で取り除かれた。)にプッシュし、処理を終了させる。ステップS405では、時間窓パイプを当初の状態に復元する、すなわちステップS401で仮に取り除かれた一グループのパラメータ化音声データを時間窓パイプに復元する。ステップS406では、時間窓パイプに含まれているパラメータ化音声データの全てについて仮取り除きを行われたかを判定し、仮取り除きが行われていないパラメータ化音声データが存在する場合には、ステップS401に戻し、時間ラベルの古い順に従って引き続き時間窓パイプから次の一グループのパラメータ化音声データを仮に取り除き、それ以外の場合には、時間窓パイプに含まれているパラメータ化音声データを更新せず、処理を終了させる。
第4の実施形態は以下の点で上記した第1、第2、第3の実施形態と異なる。すなわち、声紋モデル再構築モジュールは、さらに、時変データ蓄積手段に蓄積された音声データ(第1の実施形態)又はパラメータ化音声データ(第2の実施形態と第3の実施形態)の更新頻度によって、異なる手法を採用してユーザ声紋モデルを再構築する。
11 要求受付モジュール
12 ユーザ声紋モデル生成モジュール
13 動的パスワード生成モジュール
14 身分認証モジュール
15 声紋モデル蓄積手段
20、200、400 声紋モデル自動再構築サブシステム
21、210 時変データ蓄積手段
22 音声データパラメータ化モジュール
23 時変データ更新モジュール
24、240 時間窓パイプ構築モジュール
25 声紋モデル再構築モジュール
260 音声識別モジュール
Claims (22)
- 要求者がクライアントを介してサーバに送信した身分認証要求を受け付ける要求受付モジュールと、
動的パスワードを生成し、当該動的パスワードを前記クライアントへ送信する動的パスワード生成モジュールと、
前記クライアントから送信されてきた、前記要求者が前記動的パスワードを読み上げたときのパスワード音声信号に基づいて、グローバルキャラクター音響モデルとユーザ声紋モデルで前記要求者の身分総合信頼度を算出し、算出した前記身分総合信頼度に基づいて、当該要求者の身分を判定し、身分認証結果を前記クライアントに返却する身分認証モジュールと、
前記要求者が前記サーバのユーザであるとの前記身分認証結果である場合、前記ユーザ声紋モデルを再構築する声紋モデル自動再構築サブシステムと、を備え、
前記声紋モデル自動再構築サブシステムは、
時間をラベルとして各ユーザの音声データを蓄積する時変データ蓄積手段と、
前記パスワード音声信号を最新の音声データとして前記時変データ蓄積手段に蓄積する時変データ更新モジュールと、
時間ラベル順に従って前記時変データ蓄積手段から前記ユーザの音声データを抽出し、複数のグループの音声データを含む時間窓パイプを構築し、前記最新の音声データを使用して当該時間窓パイプに含まれている音声データを更新する時間窓パイプ構築モジュールと、
更新された前記時間窓パイプに含まれている前記複数のグループの音声データを使用して、当該ユーザのユーザ声紋モデルを再構築する声紋モデル再構築モジュールと、を備える、
ことを特徴とする動的パスワード音声に基づいた自己学習機能を有する身分認証システム。 - 前記声紋モデル自動再構築サブシステムは、前記パスワード音声信号である音声データに対してパラメータ化処理を実行することにより、最新のパラメータ化音声データを得るための音声データパラメータ化モジュールをさらに備え、
前記時変データ蓄積手段には、時間をラベルとして各ユーザのパラメータ化音声データが蓄積され、
前記時変データ更新モジュールは、前記最新のパラメータ化音声データを前記時変データ蓄積手段に蓄積し、
前記時間窓パイプ構築モジュールは、時間ラベル順に従って前記時変データ蓄積手段から前記ユーザのパラメータ化音声データを抽出し、複数のグループのパラメータ化音声データを含む時間窓パイプを構築し、前記最新のパラメータ化音声データを使用して当該時間窓パイプに含まれているパラメータ化音声データを更新し、
前記声紋モデル再構築モジュールは、更新された前記時間窓パイプに含まれている前記複数のグループのパラメータ化音声データを使用して、当該ユーザのユーザ声紋モデルを再構築する、
ことを特徴とする請求項1に記載の動的パスワード音声に基づいた自己学習機能を有する身分認証システム。 - 前記声紋モデル自動再構築サブシステムは、前記音声データにおける各フレームに対応付けられている音素を識別するための音声識別モジュールをさらに備え、
前記時変データ蓄積手段には、前記最新のパラメータ化音声データに対応付けられている音素、および当該音素が対応付けられているフレーム区間がさらに蓄積され、
前記時間窓パイプ構築モジュールは、前記最新のパラメータ化音声データに対応付けられている音素に基づいて、前記時間窓パイプに含まれる前記複数のグループのパラメータ化音声データに対応付けられる音素が均等分布となるように、前記時間窓パイプに含まれているパラメータ化音声データを更新する、
ことを特徴とする請求項2に記載の動的パスワード音声に基づいた自己学習機能を有する身分認証システム。 - 前記時間窓パイプ構築モジュールは、前記最新のパラメータ化音声データに対応付けられている音素を、前記時間窓パイプ内の最も古いパラメータ化音声データに対応付けられている音素と比較し、両者のマッチング度が所定のマッチング度以上である場合には、前記最新のパラメータ化音声データを前記時間窓パイプにプッシュするとともに、前記時間窓パイプから前記最も古いパラメータ化音声データを取り除く、
ことを特徴とする請求項3に記載の動的パスワード音声に基づいた自己学習機能を有する身分認証システム。 - 前記時間窓パイプ構築モジュールは、時間ラベルの古い順に従って、順次に前記時間窓パイプから一グループのパラメータ化音声データを仮に取り除き、前記時間窓パイプに残された全てのパラメータ化音声データおよび前記最新のパラメータ化音声データに基づき、文字の音素分布によるバランス度を算出し、
前記バランス度が所定のバランス度閾値以上である場合には、前記最新のパラメータ化音声データを前記時間窓パイプにプッシュし、それ以外の場合には、仮に取り除かれた前記一グループのパラメータ化音声データを前記時間窓パイプに復元するとともに、前記時間窓パイプに含まれているパラメータ化音声データの全てについて仮取り除きが行われるまで、あるいは前記最新のパラメータ化音声データが前記時間窓パイプにプッシュされるまで、引き続き前記時間窓パイプから次の一グループのパラメータ化音声データを仮に取り除き、前記時間窓パイプに残された全てのパラメータ化音声データおよび前記最新のパラメータ化音声データに基づき前記バランス度を再び算出する、
ことを特徴とする請求項3に記載の動的パスワード音声に基づいた自己学習機能を有する身分認証システム。 - 前記時間窓パイプから過去の時間帯のパラメータ化音声データを取り除くとき、前記時変データ蓄積手段から当該過去の時間帯のパラメータ化音声データを削除する、
ことを特徴とする請求項4又は5に記載の動的パスワード音声に基づいた自己学習機能を有する身分認証システム。 - 前記声紋モデル再構築モジュールは、前記時変データ蓄積手段に蓄積された当該ユーザの音声データの更新頻度を判定し、前記更新頻度が所定の頻度未満の場合には、モデルの自己適応の手法を採用して当該ユーザのユーザ声紋モデルを再構築し、それ以外の場合には、直接再トレーニングの手法を採用して当該ユーザのユーザ声紋モデルを再構築する、
ことを特徴とする請求項1に記載の動的パスワード音声に基づいた自己学習機能を有する身分認証システム。 - 前記声紋モデル再構築モジュールは、前記時変データ蓄積手段に蓄積された当該ユーザのパラメータ化音声データの更新頻度を判定し、前記更新頻度が所定の頻度未満の場合には、モデルの自己適応の手法を採用して当該ユーザのユーザ声紋モデルを再構築し、それ以外の場合には、直接再トレーニングの手法を採用して当該ユーザのユーザ声紋モデルを再構築する、
ことを特徴とする請求項2又は3に記載の動的パスワード音声に基づいた自己学習機能を有する身分認証システム。 - 前記音声データパラメータ化モジュールは、前記音声データに対して前記パラメータ化処理を実行する前に、前記音声データに対して音声端点検出を行う、
ことを特徴とする請求項2に記載の動的パスワード音声に基づいた自己学習機能を有する身分認証システム。 - 前記音声データパラメータ化モジュールは、前記音声データに対して前記パラメータ化処理を実行するときに、特徴パラメータとしてメル周波数ケプストラム係数MFCCを採用し、かつゼロ次のMFCC特徴のみを蓄積する、
ことを特徴とする請求項2に記載の動的パスワード音声に基づいた自己学習機能を有する身分認証システム。 - 前記身分認証モジュールは、以下の式で前記身分総合信頼度を算出することを特徴とする請求項1に記載の動的パスワード音声に基づいた自己学習機能を有する身分認証システム。
- 要求者がクライアントを介してサーバに送信した身分認証要求を受け付ける要求受付ステップと、
動的パスワードを生成し、当該動的パスワードを前記クライアントへ送信する動的パスワード生成ステップと、
前記クライアントから送信されてきた、当該要求者が前記動的パスワードを読み上げた時のパスワード音声信号に基づいて、グローバルキャラクター音響モデルとユーザ声紋モデルで当該要求者の身分総合信頼度を算出し、算出した前記身分総合信頼度に基づいて、当該要求者の身分を判定し、身分認証結果を前記クライアントに返却する身分認証ステップと、を実行し、
当該要求者が前記サーバのユーザであるとの前記身分認証結果である場合、
時間をラベルとして各ユーザの音声データを蓄積する時変データ蓄積手段に、前記パスワード音声信号を最新の音声データとして蓄積する時変データ蓄積ステップと、
時間ラベル順に従って前記時変データ蓄積手段から前記ユーザの音声データを抽出し、複数のグループの音声データを含む時間窓パイプを構築し、前記最新の音声データを使用して当該時間窓パイプに含まれている音声データを更新する時間窓パイプ構築ステップと、
更新された前記時間窓パイプに含まれている前記複数のグループの音声データを使用して、当該ユーザのユーザ声紋モデルを再構築するモデル再構築ステップと、をさらに実行する、
ことを特徴とする動的パスワード音声に基づいた自己学習機能を有する身分認証方法。 - 前記パスワード音声信号である音声データに対してパラメータ化処理を実行することにより、最新のパラメータ化音声データを得るパラメータ化ステップをさらに実行し、
前記時変データ蓄積ステップでは、時間をラベルとして各ユーザのパラメータ化音声データを蓄積する前記時変データ蓄積手段に、前記最新のパラメータ化音声データを蓄積し、
前記時間窓パイプ構築ステップでは、時間ラベル順に従って前記時変データ蓄積手段から前記ユーザのパラメータ化音声データを抽出し、複数のグループのパラメータ化音声データを含む時間窓パイプを構築し、前記最新のパラメータ化音声データを使用して当該時間窓パイプに含まれているパラメータ化音声データを更新し、
前記モデル再構築ステップでは、更新された前記時間窓パイプに含まれている前記複数のグループのパラメータ化音声データを使用して、当該ユーザのユーザ声紋モデルを再構築する、
ことを特徴とする請求項12に記載の動的パスワード音声に基づいた自己学習機能を有する身分認証方法。 - 前記音声データにおける各フレームに対応付けられている音素を識別する音声識別ステップをさらに実行し、
前記時変データ蓄積ステップでは、さらに前記最新のパラメータ化音声データに対応付けられている音素、および当該音素が対応付けられているフレーム区間を前記時変データ蓄積手段に蓄積し、
前記時間窓パイプ構築ステップでは、前記最新のパラメータ化音声データに対応付けられている音素に基づいて、前記時間窓パイプに含まれる前記複数のグループのパラメータ化音声データに対応付けられる音素が均等分布となるように、前記時間窓パイプに含まれているパラメータ化音声データを更新する、
ことを特徴とする請求項13に記載の動的パスワード音声に基づいた自己学習機能を有する身分認証方法。 - 前記時間窓パイプ構築ステップでは、前記最新のパラメータ化音声データに対応付けられている音素を、前記時間窓パイプ内の最も古いパラメータ化音声データに対応付けられている音素と比較し、両者のマッチング度が所定のマッチング度以上である場合には、前記最新のパラメータ化音声データを前記時間窓パイプにプッシュするとともに、前記時間窓パイプから前記最も古いパラメータ化音声データを取り除く、
ことを特徴とする請求項14に記載の動的パスワード音声に基づいた自己学習機能を有する身分認証方法。 - 前記時間窓パイプ構築ステップでは、時間ラベルの古い順に従って、順次に前記時間窓パイプから一グループのパラメータ化音声データを仮に取り除き、前記時間窓パイプに残された全てのパラメータ化音声データおよび前記最新のパラメータ化音声データに基づき、文字の音素散布によるバランス度を算出し、
前記バランス度が所定のバランス度閾値以上である場合には、前記最新のパラメータ化音声データを前記時間窓パイプにプッシュし、それ以外の場合には、仮に取り除かれた前記一グループのパラメータ化音声データを前記時間窓パイプに復元するとともに、前記時間窓パイプに含まれているパラメータ化音声データの全てについて仮取り除きを行われるまで、あるいは前記最新のパラメータ化音声データが前記時間窓パイプにプッシュされるまで、引き続き前記時間窓パイプから次の一グループのパラメータ化音声データを仮に取り除き、前記時間窓パイプに残された全てのパラメータ化音声データおよび前記最新のパラメータ化音声データに基づき前記バランス度を再び算出する、
ことを特徴とする請求項14に記載の動的パスワード音声に基づいた自己学習機能を有する身分認証方法。 - 前記時間窓パイプから過去の時間帯のパラメータ化音声データを取り除くとき、前記時変データ蓄積手段から当該過去の時間帯のパラメータ化音声データを削除する、
ことを特徴とする請求項15又は16に記載の動的パスワード音声に基づいた自己学習機能を有する身分認証方法。 - 前記モデル再構築ステップでは、前記時変データ蓄積手段に蓄積された当該ユーザの音声データの更新頻度を判定し、前記更新頻度が所定の頻度未満の場合には、モデルの自己適応の手法を採用して当該ユーザのユーザ声紋モデルを再構築し、それ以外の場合には、直接再トレーニングの手法を採用して当該ユーザのユーザ声紋モデルを再構築する、
ことを特徴とする請求項12に記載の動的パスワード音声に基づいた自己学習機能を有する身分認証方法。 - 前記モデル再構築ステップでは、前記時変データ蓄積手段に蓄積された当該ユーザのパラメータ化音声データの更新頻度を判定し、前記更新頻度が所定の頻度未満の場合には、モデルの自己適応の手法を採用して当該ユーザのユーザ声紋モデルを再構築し、それ以外の場合には、直接再トレーニングの手法を採用して当該ユーザのユーザ声紋モデルを再構築する、
ことを特徴とする請求項13又は14に記載の動的パスワード音声に基づいた自己学習機能を有する身分認証方法。 - 前記パラメータ化ステップでは、前記音声データに対して前記パラメータ化処理を実行する前に、前記音声データに対して音声端点検出を行う、
ことを特徴とする請求項13に記載の動的パスワード音声に基づいた自己学習機能を有する身分認証方法。 - 前記パラメータ化ステップでは、前記音声データに対して前記パラメータ化処理を実行するときに、特徴パラメータとしてメル周波数ケプストラム係数MFCCを採用し、かつゼロ次のMFCC特徴のみを蓄積する、
ことを特徴とする請求項13に記載の動的パスワード音声に基づいた自己学習機能を有する身分認証方法。 - 前記身分認証ステップでは、以下の式で前記身分総合信頼度を算出することを特徴とする請求項12に記載の動的パスワード音声に基づいた自己学習機能を有する身分認証方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510061721.8 | 2015-02-05 | ||
CN201510061721.8A CN104616655B (zh) | 2015-02-05 | 2015-02-05 | 声纹模型自动重建的方法和装置 |
PCT/CN2015/083540 WO2016123900A1 (zh) | 2015-02-05 | 2015-07-08 | 基于动态密码语音的具有自学习功能的身份认证系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018509649A JP2018509649A (ja) | 2018-04-05 |
JP6502512B2 true JP6502512B2 (ja) | 2019-04-17 |
Family
ID=53151076
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017539339A Active JP6502512B2 (ja) | 2015-02-05 | 2015-07-08 | 動的パスワード音声に基づいた自己学習機能を有する身分認証システム及び方法 |
Country Status (6)
Country | Link |
---|---|
US (1) | US10540980B2 (ja) |
EP (1) | EP3255631B1 (ja) |
JP (1) | JP6502512B2 (ja) |
KR (1) | KR101963993B1 (ja) |
CN (1) | CN104616655B (ja) |
WO (1) | WO2016123900A1 (ja) |
Families Citing this family (30)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104616655B (zh) | 2015-02-05 | 2018-01-16 | 北京得意音通技术有限责任公司 | 声纹模型自动重建的方法和装置 |
CN106782564B (zh) * | 2016-11-18 | 2018-09-11 | 百度在线网络技术(北京)有限公司 | 用于处理语音数据的方法和装置 |
CN107492379B (zh) * | 2017-06-30 | 2021-09-21 | 百度在线网络技术(北京)有限公司 | 一种声纹创建与注册方法及装置 |
CN107274890B (zh) * | 2017-07-04 | 2020-06-02 | 清华大学 | 声纹谱提取方法及装置 |
CN107274883B (zh) * | 2017-07-04 | 2020-06-02 | 清华大学 | 语音信号重构方法及装置 |
CN108257604B (zh) * | 2017-12-08 | 2021-01-08 | 平安普惠企业管理有限公司 | 语音识别方法、终端设备及计算机可读存储介质 |
CN108269575B (zh) * | 2018-01-12 | 2021-11-02 | 平安科技(深圳)有限公司 | 更新声纹数据的语音识别方法、终端装置及存储介质 |
CN108428455A (zh) * | 2018-02-13 | 2018-08-21 | 上海爱优威软件开发有限公司 | 声纹特征的采集方法及系统 |
US10789959B2 (en) * | 2018-03-02 | 2020-09-29 | Apple Inc. | Training speaker recognition models for digital assistants |
KR102079303B1 (ko) * | 2018-06-15 | 2020-02-19 | 서울대학교산학협력단 | 기계학습을 이용한 음성 인식 OTP(One Time Password)인증 방법 및 시스템 |
US11935348B2 (en) * | 2018-07-24 | 2024-03-19 | Validvoice, Llc | System and method for biometric access control |
CN110880325B (zh) * | 2018-09-05 | 2022-06-28 | 华为技术有限公司 | 身份识别方法及设备 |
KR102621881B1 (ko) | 2018-09-05 | 2024-01-05 | 주식회사 케이티 | 상담사와 상담하는 화자를 인증하는 서버 및 방법 |
US11004454B1 (en) * | 2018-11-06 | 2021-05-11 | Amazon Technologies, Inc. | Voice profile updating |
CN109473108A (zh) * | 2018-12-15 | 2019-03-15 | 深圳壹账通智能科技有限公司 | 基于声纹识别的身份验证方法、装置、设备及存储介质 |
CN109683938B (zh) * | 2018-12-26 | 2022-08-02 | 思必驰科技股份有限公司 | 用于移动终端的声纹模型升级方法和装置 |
US12021864B2 (en) * | 2019-01-08 | 2024-06-25 | Fidelity Information Services, Llc. | Systems and methods for contactless authentication using voice recognition |
US12014740B2 (en) | 2019-01-08 | 2024-06-18 | Fidelity Information Services, Llc | Systems and methods for contactless authentication using voice recognition |
US11823439B2 (en) * | 2019-02-06 | 2023-11-21 | Google Llc | Training machine-learned models for perceptual tasks using biometric data |
KR20210054800A (ko) * | 2019-11-06 | 2021-05-14 | 엘지전자 주식회사 | 사용자의 음성샘플 수집 |
CN110992932B (zh) * | 2019-12-18 | 2022-07-26 | 广东睿住智能科技有限公司 | 一种自学习的语音控制方法、系统及存储介质 |
CN111091837A (zh) * | 2019-12-27 | 2020-05-01 | 中国人民解放军陆军工程大学 | 一种基于在线学习的时变声纹认证方法及系统 |
CN111341325A (zh) * | 2020-02-13 | 2020-06-26 | 平安科技(深圳)有限公司 | 声纹识别方法、装置、存储介质、电子装置 |
CN111341326B (zh) * | 2020-02-18 | 2023-04-18 | RealMe重庆移动通信有限公司 | 语音处理方法及相关产品 |
CN111613228A (zh) * | 2020-04-15 | 2020-09-01 | 上海雷尘智能科技有限公司 | 一种基于声纹码的身份与内容识别系统 |
US11664033B2 (en) * | 2020-06-15 | 2023-05-30 | Samsung Electronics Co., Ltd. | Electronic apparatus and controlling method thereof |
CN111785284B (zh) * | 2020-08-19 | 2024-04-30 | 科大讯飞股份有限公司 | 基于音素辅助的文本无关声纹识别方法、装置以及设备 |
CN112201256B (zh) * | 2020-10-09 | 2023-09-19 | 深圳前海微众银行股份有限公司 | 声纹分割方法、装置、设备及可读存储介质 |
CN112951245B (zh) * | 2021-03-09 | 2023-06-16 | 江苏开放大学(江苏城市职业学院) | 一种融入静态分量的动态声纹特征提取方法 |
CN113192512B (zh) * | 2021-03-25 | 2022-01-07 | 深圳市声扬科技有限公司 | 声纹认证方法、装置、计算机设备和存储介质 |
Family Cites Families (34)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5687287A (en) * | 1995-05-22 | 1997-11-11 | Lucent Technologies Inc. | Speaker verification method and apparatus using mixture decomposition discrimination |
JPH1020883A (ja) * | 1996-07-02 | 1998-01-23 | Fujitsu Ltd | ユーザ認証装置 |
WO1999023643A1 (en) * | 1997-11-03 | 1999-05-14 | T-Netix, Inc. | Model adaptation system and method for speaker verification |
US6941274B1 (en) * | 1997-11-28 | 2005-09-06 | Diebold, Incorporated | Automated transaction machine |
JP2000172296A (ja) * | 1998-12-08 | 2000-06-23 | Matsushita Electric Ind Co Ltd | 話者照合装置および電子メールシステム |
KR100297833B1 (ko) * | 1999-07-07 | 2001-11-01 | 윤종용 | 비고정 연속 숫자음을 이용한 화자 검증 시스템 및 그 방법 |
JP4244524B2 (ja) * | 2001-02-16 | 2009-03-25 | カシオ計算機株式会社 | 音声認証装置、音声認証方法、及びプログラム |
US20030037004A1 (en) * | 2001-08-14 | 2003-02-20 | Chuck Buffum | Dialog-based voiceprint security for business transactions |
JP4440502B2 (ja) * | 2001-08-31 | 2010-03-24 | 富士通株式会社 | 話者認証システム及び方法 |
KR20040068548A (ko) * | 2001-12-12 | 2004-07-31 | 인터내셔널 비지네스 머신즈 코포레이션 | 행동 모델을 사용한 비-개입적 화자 인증 방법 및 시스템 |
US7064652B2 (en) * | 2002-09-09 | 2006-06-20 | Matsushita Electric Industrial Co., Ltd. | Multimodal concierge for secure and convenient access to a home or building |
US7222072B2 (en) * | 2003-02-13 | 2007-05-22 | Sbc Properties, L.P. | Bio-phonetic multi-phrase speaker identity verification |
JP4391179B2 (ja) * | 2003-09-17 | 2009-12-24 | 聖一 中川 | 話者認識システム及び方法 |
JP4463526B2 (ja) * | 2003-10-24 | 2010-05-19 | 株式会社ユニバーサルエンターテインメント | 声紋認証システム |
CN101197131B (zh) * | 2006-12-07 | 2011-03-30 | 积体数位股份有限公司 | 随机式声纹密码验证系统、随机式声纹密码锁及其产生方法 |
CN102024455B (zh) * | 2009-09-10 | 2014-09-17 | 索尼株式会社 | 说话人识别系统及其方法 |
CN102404287A (zh) | 2010-09-14 | 2012-04-04 | 盛乐信息技术(上海)有限公司 | 用数据复用法确定声纹认证阈值的声纹认证系统及方法 |
US9318114B2 (en) * | 2010-11-24 | 2016-04-19 | At&T Intellectual Property I, L.P. | System and method for generating challenge utterances for speaker verification |
KR101284481B1 (ko) * | 2011-07-15 | 2013-07-16 | 아이리텍 잉크 | 생체이미지 정보를 포함하는 일회용 비밀번호를 이용한 인증방법 및 장치 |
CN102238189B (zh) * | 2011-08-01 | 2013-12-11 | 安徽科大讯飞信息科技股份有限公司 | 声纹密码认证方法及系统 |
US10074089B1 (en) * | 2012-03-01 | 2018-09-11 | Citigroup Technology, Inc. | Smart authentication and identification via voiceprints |
CN102760434A (zh) * | 2012-07-09 | 2012-10-31 | 华为终端有限公司 | 一种声纹特征模型更新方法及终端 |
JP6089610B2 (ja) * | 2012-11-13 | 2017-03-08 | 富士通株式会社 | 生体認証装置、生体認証方法及び生体認証用コンピュータプログラム |
US9898723B2 (en) * | 2012-12-19 | 2018-02-20 | Visa International Service Association | System and method for voice authentication |
US8694315B1 (en) * | 2013-02-05 | 2014-04-08 | Visa International Service Association | System and method for authentication using speaker verification techniques and fraud model |
CN104036780B (zh) * | 2013-03-05 | 2017-05-24 | 阿里巴巴集团控股有限公司 | 一种人机识别方法及系统 |
IN2013MU01148A (ja) * | 2013-03-26 | 2015-04-24 | Tata Consultancy Services Ltd | |
CN104219195B (zh) * | 2013-05-29 | 2018-05-22 | 腾讯科技(深圳)有限公司 | 身份校验方法、装置及系统 |
US9978065B2 (en) * | 2013-06-25 | 2018-05-22 | Visa International Service Association | Voice filter system |
CN103632667B (zh) * | 2013-11-25 | 2017-08-04 | 华为技术有限公司 | 声学模型优化方法、装置及语音唤醒方法、装置和终端 |
US10157272B2 (en) * | 2014-02-04 | 2018-12-18 | Qualcomm Incorporated | Systems and methods for evaluating strength of an audio password |
US10540979B2 (en) * | 2014-04-17 | 2020-01-21 | Qualcomm Incorporated | User interface for secure access to a device using speaker verification |
CN104616655B (zh) * | 2015-02-05 | 2018-01-16 | 北京得意音通技术有限责任公司 | 声纹模型自动重建的方法和装置 |
CN106373575B (zh) * | 2015-07-23 | 2020-07-21 | 阿里巴巴集团控股有限公司 | 一种用户声纹模型构建方法、装置及系统 |
-
2015
- 2015-02-05 CN CN201510061721.8A patent/CN104616655B/zh active Active
- 2015-07-08 US US15/542,428 patent/US10540980B2/en active Active
- 2015-07-08 EP EP15880855.0A patent/EP3255631B1/en active Active
- 2015-07-08 KR KR1020177021342A patent/KR101963993B1/ko active IP Right Grant
- 2015-07-08 JP JP2017539339A patent/JP6502512B2/ja active Active
- 2015-07-08 WO PCT/CN2015/083540 patent/WO2016123900A1/zh active Application Filing
Also Published As
Publication number | Publication date |
---|---|
KR101963993B1 (ko) | 2019-03-29 |
US10540980B2 (en) | 2020-01-21 |
WO2016123900A1 (zh) | 2016-08-11 |
JP2018509649A (ja) | 2018-04-05 |
US20170365259A1 (en) | 2017-12-21 |
EP3255631A4 (en) | 2018-09-19 |
CN104616655A (zh) | 2015-05-13 |
CN104616655B (zh) | 2018-01-16 |
KR20170105034A (ko) | 2017-09-18 |
EP3255631A1 (en) | 2017-12-13 |
EP3255631B1 (en) | 2021-09-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6502512B2 (ja) | 動的パスワード音声に基づいた自己学習機能を有する身分認証システム及び方法 | |
JP6429945B2 (ja) | 音声データを処理するための方法及び装置 | |
CN106683680B (zh) | 说话人识别方法及装置、计算机设备及计算机可读介质 | |
CN111739521B (zh) | 电子设备唤醒方法、装置、电子设备及存储介质 | |
CN111883140B (zh) | 基于知识图谱和声纹识别的认证方法、装置、设备及介质 | |
CN111355781B (zh) | 一种语音信息交流的管理方法、装置和存储介质 | |
WO2022178969A1 (zh) | 语音对话数据处理方法、装置、计算机设备及存储介质 | |
CN102404278A (zh) | 一种基于声纹识别的点歌系统及其应用方法 | |
CN106713111B (zh) | 一种添加好友的处理方法、终端及服务器 | |
CN112863489B (zh) | 语音识别方法、装置、设备及介质 | |
Fong | Using hierarchical time series clustering algorithm and wavelet classifier for biometric voice classification | |
CN113420556A (zh) | 基于多模态信号的情感识别方法、装置、设备及存储介质 | |
CN113362852A (zh) | 一种用户属性识别方法和装置 | |
CN112580669B (zh) | 一种对语音信息的训练方法及装置 | |
US10418024B1 (en) | Systems and methods of speech generation for target user given limited data | |
CN115312040A (zh) | 语音唤醒方法、装置、电子设备和计算机可读存储介质 | |
CN112306560B (zh) | 用于唤醒电子设备的方法和装置 | |
US11514920B2 (en) | Method and system for determining speaker-user of voice-controllable device | |
CN117334201A (zh) | 一种声音识别方法、装置、设备以及介质 | |
CN115064177A (zh) | 基于声纹编码器的语音转换方法、装置、设备及介质 | |
CN116822531A (zh) | 一种话术库构建方法、装置、存储介质及电子设备 | |
CN116959409A (zh) | 朗诵音频生成方法、装置、计算机设备和存储介质 | |
CN116825080A (zh) | 一种信息处理方法、装置和电子设备 | |
CN116975823A (zh) | 数据处理方法、装置、计算机设备、存储介质及产品 | |
CN114461805A (zh) | 一种话语提取方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20180706 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20180821 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180913 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20190226 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190320 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6502512 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |