KR102069135B1 - 화자 음성 인증 서비스에서 스푸핑을 검출하는 음성 인증 시스템 - Google Patents

화자 음성 인증 서비스에서 스푸핑을 검출하는 음성 인증 시스템 Download PDF

Info

Publication number
KR102069135B1
KR102069135B1 KR1020180056658A KR20180056658A KR102069135B1 KR 102069135 B1 KR102069135 B1 KR 102069135B1 KR 1020180056658 A KR1020180056658 A KR 1020180056658A KR 20180056658 A KR20180056658 A KR 20180056658A KR 102069135 B1 KR102069135 B1 KR 102069135B1
Authority
KR
South Korea
Prior art keywords
speaker
speech
signal
voice
learning
Prior art date
Application number
KR1020180056658A
Other languages
English (en)
Other versions
KR20190131806A (ko
Inventor
윤성현
양일호
허희수
유하진
Original Assignee
서울시립대학교 산학협력단
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 서울시립대학교 산학협력단 filed Critical 서울시립대학교 산학협력단
Priority to KR1020180056658A priority Critical patent/KR102069135B1/ko
Publication of KR20190131806A publication Critical patent/KR20190131806A/ko
Application granted granted Critical
Publication of KR102069135B1 publication Critical patent/KR102069135B1/ko

Links

Images

Classifications

    • 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
    • G10L15/00—Speech recognition
    • G10L15/06—Creation of reference templates; Training of speech recognition systems, e.g. adaptation to the characteristics of the speaker's voice
    • G10L15/063—Training

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Electrically Operated Instructional Devices (AREA)

Abstract

화자 음성 인증 서비스에서 스푸핑을 검출하는 음성 인증 시스템은 제 1 화자의 정상 음성 신호 및 랜덤 노이즈 신호를 합성하여 제 1 화자에 대한 복수의 합성 음성 신호를 생성하는 음성 합성부 및 제 1 화자의 학습용 음성 신호를 수신하고, 제 1 화자의 학습용 음성 신호와 제 1 화자의 정상 음성 신호를 비교하여, 제 1 화자의 학습용 음성 신호의 합성 여부를 판별하는 음성 판별부를 포함하는 음성 합성 시스템 및 화자 음성 인증 서비스를 제공하는 스푸핑 검출 시스템을 포함할 수 있다.

Description

화자 음성 인증 서비스에서 스푸핑을 검출하는 음성 인증 시스템{VOICE RECOGNITION SYSTEM FOR DETECTING SPOOFING IN SPEAKER VOICE AUTHENTICATION SERVICE}
본 발명은 화자 음성 인증 서비스에서 스푸핑을 검출하는 음성 인증 시스템에 관한 것이다.
일반적으로 시스템 보안에 사용되는 인증 방식 중 화자 인증 방식은 사용자가 말한 음성을 인식하여 사용자 인증을 수행하는 방식을 의미한다. 이러한 종래의 화자 인증 방식은 인증 요청자가 본인의 음성으로 인증을 요청하면, 해당 인증 요청자의 음성과 기 등록된 사용자의 음성과 일치하는지를 판단한 후 해당 인증 요청자의 인증 여부를 결정한다.
한편, 화자 인증 기술의 적용 가능한 범위가 넓어지고 시장규모가 커짐에 따라 화자 인증 기술의 정확도 및 신뢰도를 높이는 연구 또한 활발해지고 있다. 여기서, 화자 인증 기술의 신뢰도란 스푸핑 검출의 정확도를 의미한다.
화자 인증에서의 스푸핑은 사칭자가 시스템을 속일 목적으로 음성을 위조한 뒤, 이를 이용해 인증을 받으려는 행위를 말한다. 시스템의 신뢰도가 낮을수록 범죄에 취약하기 때문에, 특히 금융거래와 같이 사칭으로 인한 피해가 큰 분야에 화자 인증 기술을 적용하기 위해서는 높은 신뢰도가 필수적이다.
스푸핑 공격 유형에는 리플레이(등록된 사용자의 음성을 미리 녹음해둔 뒤, 인증 요청 시 이를 재생), 음성 변조(임의의 음성을 등록된 사용자의 음성으로 변소), 음성 합성(등록된 특정 텍스트의 사용자 음성 생성) 등이 있다.
한편, 스푸핑 검출 분야의 공개 경쟁(competition) 중 하나인 'BTAS 2016 speaker anti-spoofing competition' 결과에 따르면, 리플레이 공격에 대한 검출 정확도는 '디벡터(d-vector) 기반 스푸핑 검출 시스템'이 가장 높다. 그러나, 디벡터 스푸핑 검출 시스템은 합성음 공격에는 상대적으로 낮은 검출 정확도를 보인다.
이는, 디벡터 스푸핑 검출 시스템이 스푸핑 공격을 검출하는데 있어 기 준비된 음성만을 이용하기 때문인 것으로 판단된다.
일본공개특허공보 제2001-318692호 (2001.11.16. 공개)
본 발명은 전술한 종래 기술의 문제점을 해결하기 위한 것으로서, 음성 합성 시스템에서 합성 음성 신호를 생성하고, 학습용 음성 신호의 합성 여부를 판별하고, 스푸핑 검출 시스템에서 학습용 음성 신호 및 평가용 음성 신호를 이용하여 스푸핑 검출을 학습함으로써 보안이 강화된 화자 음성 인증 서비스를 제공하고자 한다. 다만, 본 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제들로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.
상술한 기술적 과제를 달성하기 위한 기술적 수단으로서, 본 발명의 제 1 측면에 따른 화자 음성 인증 서비스에서 스푸핑을 검출하는 음성 인증 시스템은 제 1 화자의 정상 음성 신호 및 랜덤 노이즈 신호를 합성하여 상기 제 1 화자에 대한 복수의 합성 음성 신호를 생성하는 음성 합성부 및 상기 제 1 화자의 학습용 음성 신호를 수신하고, 상기 제 1 화자의 학습용 음성 신호와 상기 제 1 화자의 정상 음성 신호를 비교하여, 상기 제 1 화자의 학습용 음성 신호의 합성 여부를 판별하는 음성 판별부를 포함하는 음성 합성 시스템; 및 상기 화자 음성 인증 서비스를 제공하는 스푸핑 검출 시스템을 포함할 수 있다.
본 발명의 제 2 측면에 따른 화자 음성 인증 서비스에서 스푸핑을 검출하는 방법은 음성 합성 시스템에서 제 1 화자의 정상 음성 신호 및 랜덤 노이즈 신호를 합성하여 상기 제 1 화자에 대한 복수의 합성 음성 신호를 생성하는 단계; 상기 음성 합성 시스템에서 상기 제 1 화자의 학습용 음성 신호를 수신하는 단계; 상기 음성 합성 시스템에서 상기 제 1 화자의 학습용 음성 신호와 상기 제 1 화자의 정상 음성 신호를 비교하여, 상기 제 1 화자의 학습용 음성 신호의 합성 여부를 판별하는 단계 및 스푸핑 검출 시스템에서 상기 화자 음성 인증 서비스를 제공하는 단계를 포함할 수 있다.
상술한 과제 해결 수단은 단지 예시적인 것으로서, 본 발명을 제한하려는 의도로 해석되지 않아야 한다. 상술한 예시적인 실시예 외에도, 도면 및 발명의 상세한 설명에 기재된 추가적인 실시예가 존재할 수 있다.
전술한 본 발명의 과제 해결 수단 중 어느 하나에 의하면, 본 발명은 음성 합성 시스템에서 합성 음성 신호를 생성하고, 학습용 음성 신호의 합성 여부를 판별하고, 스푸핑 검출 시스템에서 학습용 음성 신호 및 평가용 음성 신호를 이용하여 스푸핑 검출을 학습함으로써 보안이 강화된 화자 음성 인증 서비스를 제공할 수 있다.
또한, 본 발명은 음성 합성 시스템 및 스푸핑 검출 시스템 간의 경쟁적 학습을 유도함으로써 음성 합성 시스템은 보다 자연스러운 화자의 정상 음성 신호와 유사한 합성 음성 신호를 생성할 수 있고, 스푸핑 검출 시스템은 화자의 정상 음성 신호와 매우 유사한 합성 음성 신호라도 합성 여부를 정확하게 검출할 수 있으므로 합성 음성 신호에 대한 검출 정확도를 높일 수 있다
도 1은 본 발명의 일 실시예에 따른, 음성 인증 시스템의 구성도이다.
도 2는 본 발명의 일 실시예에 따른, 도 1에 도시된 음성 합성 시스템의 블록도이다.
도 3a 내지 3c는 본 발명의 일 실시예에 따른, 음성 합성 시스템 및 스푸핑 검출 시스템에서의 음성 인증 학습 방법을 설명하기 위한 도면이다.
도 4a 내지 4c는 본 발명의 일 실시예에 따른, 스푸핑 검출 시스템에서의 스푸핑 검출 여부에 따라 음성 합성부 및 스푸핑 검출 시스템의 성능을 개선하는 방법을 설명하기 위한 도면이다.
도 5는 본 발명의 일 실시예에 따른, 적대적 생성 네트워크를 설명하기 위한 도면이다.
도 6은 본 발명의 일 실시예에 따른, 조건부 적대적 생성 네트워크를 설명하기 위한 도면이다.
도 7은 본 발명의 일 실시예에 따른, 화자 음성 인증 서비스에서 스푸핑을 검출하는 방법을 나타낸 흐름도이다.
아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
본 명세서에 있어서 '부(部)'란, 하드웨어에 의해 실현되는 유닛(unit), 소프트웨어에 의해 실현되는 유닛, 양방을 이용하여 실현되는 유닛을 포함한다. 또한, 1 개의 유닛이 2 개 이상의 하드웨어를 이용하여 실현되어도 되고, 2 개 이상의 유닛이 1 개의 하드웨어에 의해 실현되어도 된다.
본 명세서에 있어서 단말 또는 디바이스가 수행하는 것으로 기술된 동작이나 기능 중 일부는 해당 단말 또는 디바이스와 연결된 서버에서 대신 수행될 수도 있다. 이와 마찬가지로, 서버가 수행하는 것으로 기술된 동작이나 기능 중 일부도 해당 서버와 연결된 단말 또는 디바이스에서 수행될 수도 있다.
이하, 첨부된 구성도 또는 처리 흐름도를 참고하여, 본 발명의 실시를 위한 구체적인 내용을 설명하도록 한다.
도 1은 본 발명의 일 실시예에 따른, 음성 인증 시스템의 구성도이다.
도 1을 참조하면, 음성 인증 시스템은 음성 합성 시스템(100), 스푸핑 검출 시스템(110) 및 음성 데이터베이스(120)를 포함할 수 있다. 다만, 이러한 도 1의 음성 인증 시스템은 본 발명의 일 실시예에 불과하므로 도 1을 통해 본 발명이 한정 해석되는 것은 아니며, 본 발명의 다양한 실시예들에 따라 도 1과 다르게 구성될 수도 있다.
이하에서는 도 1과 도 2를 참조하여 음성 합성 시스템(100)에 대하여 설명하기로 한다.
음성 합성 시스템(100)은 음성 합성부(200) 및 음성 판별부(210)를 포함할 수 있다.
음성 합성부(200)는 제 1 화자의 정상 음성 신호 및 랜덤 노이즈 신호를 합성하여 제 1 화자에 대한 복수의 합성 음성 신호를 생성할 수 있다.
여기서, 랜덤 노이즈 신호는 난수 생성 알고리즘에 의해 생성된 의사 난수(pseudo random number)에 해당될 수 있다. 이 때, 난수 생성 알고리즘은 입력받은 초기값을 이용하여 의사 난수를 생성하는 알고리즘이다. 난수 생성 알고리즘에 입력되는 초기값을 시드(seed)값이라고 부르며, 시드값이 동일하면 난수 생성 알고리즘에 의해 생성되는 의사 난수들도 동일할 수 있다.
여기서, 제 1 화자에 대한 복수의 합성 음성 신호는 제 1 화자의 학습용 합성 음성 신호 및 평가용 합성 음성 신호를 포함할 수 있다.
음성 판별부(210)는 제 1 화자의 학습용 음성 신호를 수신하고, 제 1 화자의 학습용 음성 신호와 제 1 화자의 정상 음성 신호를 비교하여 제 1 화자의 학습용 음성 신호의 합성 여부를 판별할 수 있다.
여기서, 제 1 화자의 학습용 음성 신호는 제 1 화자의 학습용 정상 음성 신호 또는 학습용 합성 음성 신호일 수 있다.
예를 들면, 음성 판별부(210)는 제 1 화자의 학습용 정상 음성 신호와 제 1 화자의 정상 음성 신호를 비교하여 제 1 화자의 학습용 정상 음성 신호가 정상 음성 신호인지 여부를 판단할 수 있다.
예를 들면, 음성 판별부(210)는 제 1 화자의 학습용 합성 음성 신호와 제 1 화자의 정상 음성 신호를 비교하여 제 1 화자의 학습용 합성 음성 신호가 합성 신호인지 여부를 판단할 수 있다.
음성 합성부(200)는 적대적 생성 네트워크(Generative Adversarial Network, GAN)에 기초하여 제 1 화자의 정상 음성 신호와 유사한 합성 음성 신호를 생성하기 위한 학습을 수행할 수 있다. 여기서, 적대적 생성 네트워크는 심층 신경망에 경쟁적 학습이 적용된 네트워크이다.
음성 판별부(210)는 적대적 생성 네트워크에 기초하여 제 1 화자의 학습용 음성 신호와 제 1 화자의 정상 음성 신호를 구별하기 위한 학습을 수행할 수 있다.
구체적으로, 음성 합성부(200) 및 음성 판별부(210)는 신경망 모델에 따른 경쟁적 학습을 수행할 수 있다.
예를 들면, 음성 합성부(200)는 랜덤 노이즈 신호(z)를 입력받으면, 랜덤 노이즈 신호(z)를 데이터 공간으로 매핑(mapping)하여 합성 음성 신호에 대응하는 확률값(G(z))을 출력할 수 있다. 여기서, 랜덤 노이즈 신호(z)는 임의의 사전 분포(prior distribution)의
Figure 112018048795017-pat00001
로부터 표본 샘플을 샘플링하여 얻은 변수로서 일종의 랜덤 시드(randon seed)의 역할을 수행할 수 있다.
음성 판별부(210)는 합성 여부를 판별하고자 하는 음성 신호(x)를 입력받으면 합성 여부에 대한 확률값(D(x))을 출력할 수 있다. 여기서, 합성 여부에 대한 확률값(D(x))은 음성 신호(x)가 정상 음성 신호일 확률값을 나타낸 것으로, 기설정된 확률 범위(예컨대, [0, 1]) 내에서 결정될 수 있다.
예를 들면, 합성 여부에 대한 확률값(D(x))이 제 1 확률값(예컨대, 1)에 가까울수록 음성 신호(x)는 정상 음성 신호에 가깝고, 합성 여부에 대한 확률값(D(x))이 제 2 확률값(예컨대, 0)에 가까울수록 음성 신호(x)는 합성 데이터에 가깝다는 의미를 내포할 수 있다.
음성 합성부(200) 및 음성 판별부(210)는 동시에 경쟁적 학습을 수행할 수 있다. 구체적으로, 음성 합성부(200)는 적대적 생성 네트워크에 대한 목적 함수를 최소화하도록 학습하고, 음성 판별부(210)는 적대적 생성 네트워크에 대한 목적 함수를 최대화하도록 학습할 수 있다. 여기서, 적대적 생성 네트워크에 대한 목적 함수는 [수학식 1]과 같이 표현될 수 있다.
[수학식 1]
Figure 112018048795017-pat00002
음성 판별부(210)는, 음성 판별부(210)가 적대적 생성 네트워크에 대한 목적 함수를 최대화하도록, 제 1 화자의 학습용 음성 신호로서 학습용 정상 음성 신호와 학습용 합성 음성 신호의 구분에 대한 확률을 높이도록 학습할 수 있다.
예를 들면, 학습용 정상 음성 신호(
Figure 112018048795017-pat00003
)에 있어서의 합성 여부에 대한 확률값(D(x))이 제 1 확률값에 가까워지도록 매개 변수 x를 조정할 경우, 적대적 생성 네트워크에 대한 목적 함수를 최대화할 수 있다. 여기서, 합성 여부에 대한 확률값(D(x))이 제 1 확률값에 가까워지도록 매개 변수 x를 조정한다는 의미는 정상 음성 신호를 정상 음성 신호로서 판단하도록 학습한다는 것을 의미할 수 있다.
또한, 랜덤 노이즈 신호(
Figure 112018048795017-pat00004
)로부터 생성된 합성 음성 신호(G(z))에 있어서의 합성 여부에 대한 확률값(D(G(z)))이 제 2 확률값에 가까워지도록 매개변수 G(z)를 조정할 경우, 적대적 생성 네트워크에 대한 목적 함수를 최대화할 수 있다. 여기서, 합성 여부에 대한 확률값 (D(G(z)))이 제 2 확률값에 가까워지도록 매개변수 G(z)를 조정한다는 의미는 합성 음성 신호를 합성 음성 신호로서 판단하도록 학습한다는 것을 의미할 수 있다.
한편, 음성 판별부(210)는, 음성 합성부(200)가 적대적 생성 네트워크에 대한 목적 함수를 최소화하도록, 제 1 화자의 학습용 음성 신호의 합성 여부에 대한 확률을 높이도록 학습할 수 있다.
예를 들면, 음성 판별부(210)가 합성 음성 신호를 정상 음성 신호로 잘못 판단하도록 음성 합성부(200)가 합성 음성 신호(G(z))에 있어서의 합성 여부에 대한 확률값(D(G(z)))을 제 1 확률값에 가까워지게 매개변수 G(z)를 조정할 경우, 적대적 생성 네트워크에 대한 목적 함수가 최소화될 수 있다.
잠시 도 5를 참조하여 적대적 생성 네트워크를 이용하여 음성 합성부(200) 및 음성 판별부(210)의 학습 수행 방법을 설명하기로 한다. 도 5는 적대적 생성 네트워크의 학습 과정을 각 단계(500, 510, 520, 530)별로 나타낸 도면이다.
도 5를 참조하면, 제 1 선(51, 검정색 실선)은 정상 음성 신호(
Figure 112018048795017-pat00005
)의 분포(
Figure 112018048795017-pat00006
)를 나타내고, 제 2 선(55, 초록색 실선)은 합성 음성 신호(G(z))의 분포(
Figure 112018048795017-pat00007
)를 나타내고, 제 3 선(53, 파란색 점선)은 음성 판별부(210)에서 산출된 합성 여부에 대한 확률값(D(x))의 분포를 나타낸다. x에서 z로 향하는 화살표는 z를 x=G(z)로 매핑하는 것을 의미한다. 각 단계에서 x에서 z로 향하는 화살표의 끝이 합성 음성 신호(G(z))의 분포(
Figure 112018048795017-pat00008
)의 값이 큰 쪽으로 몰려있는 것을 확인할 수 있다.
제 1 단계(500)에서 정상 음성 신호의 분포(
Figure 112018048795017-pat00009
)와 합성 음성 신호의 분포(
Figure 112018048795017-pat00010
)가 차이를 보이므로 음성 판별부(210)는 정상 음성 신호와 합성 음성 신호를 어렵지 않게 분류할 수 있다.
제 2 단계(510)에서 음성 판별부(210)는 정상 음성 신호의 분포(
Figure 112018048795017-pat00011
)와 합성 음성 신호의 분포(
Figure 112018048795017-pat00012
)를 잘 구분하도록
Figure 112018048795017-pat00013
에 수렵하도록 학습할 수 있다. 이 때,
Figure 112018048795017-pat00014
는 전역 최적 해를 의미한다. 음성 판별부(210)가 정상 음성 신호 및 합성 음성 신호에 대한 분류 정확도가 높은 경우는
Figure 112018048795017-pat00015
일 때 일 수 있다.
제 3 단계(520)에서 음성 판별부(210)가 정상 음성 신호와 합성 음성 신호를 구분하기 어렵도록 음성 합성부(200)는 합성 음성 신호의 분포(
Figure 112018048795017-pat00016
)가 정상 음성 신호의 분포(
Figure 112018048795017-pat00017
)에 보다 가까워지도록 학습할 수 있다.
제 4 단계(530)에서 정상 음성 신호의 분포(
Figure 112018048795017-pat00018
)와 합성 음성 신호의 분포(
Figure 112018048795017-pat00019
)는 동일한 분포를 보인다. 이 경우, 음성 판별부(210)는 정상 음성 신호와 합성 음성 신호를 구분하기 어려우므로 어느 구간에서든 합성 여부에 대한 확률값(D(x))은 0.5로 출력될 수 있다.
다시 도 1 및 2로 돌아오면, 음성 합성부(200) 및 음성 판별부(210)는 조건부 적대적 생성 네트워크에 기초하여 학습을 수행할 수 있다. 여기서, 조건부 적대적 생성 네트워크는 도 6과 같이, 음성 합성부(200) 및 음성 판별부(210) 각각에 대한 조건(301, 309)을 입력받을 수 있도록 적대적 생성 네트워크를 확장한 개념이다.
조건부 적대적 생성 네트워크에 대한 목적 함수는 [수학식 2]와 같이 나타낼 수 있다. 즉, 적대적 생성 네트워크의 목적 함수에 조건(y)이 추가된 형태일 수 있다.
[수학식 2]
Figure 112018048795017-pat00020
잠시 도 3a를 참조하면, 음성 합성부(200)는 제 1 화자의 정상 음성 신호에 대한 조건(301)을 수신할 수 있다. 여기서, 조건(301)은 제 1 화자에 대한 정보 및 제 1 화자로부터 수신하는 정상 음성 신호에 대한 텍스트 정보(예컨대, 결제 또는 보안 등에 대한 사용자의 음성 인증으로 사용하기 위해 제 1 화자에 의해 등록된 텍스트 정보임)를 포함할 수 있다.
음성 합성부(200)는 제 1 화자의 정상 음성 신호에 대한 조건(301), 제 1 화자의 정상 음성 신호(303) 및 랜덤 노이즈 신호(305)를 이용하여 제 1 화자에 대한 합성 음성 신호(307)를 생성할 수 있다. 이 때, 제 1 화자의 정상 음성 신호(303)는 조건(301)에 포함된 텍스트 정보(예컨대, '안녕하세요')에 대응하는 음성 신호(예컨대, '안녕하세요')에 대응될 수 있다.
잠시 도 6을 참조하면, 음성 합성부(200)에 입력된 제 1 화자의 정상 음성 신호에 대한 조건(301)에 대하여 음성 합성부(200)에서 생성 가능한 제 1 화자에 대한 합성 음성 신호는 랜덤 노이즈 신호(600)를 표본 추출한 횟수와 같을 수 있다. 즉, 음성 합성부(200)에 입력된 조건이 1개일지라도 동일한 조건을 갖는 합성 음성 신호는 복수개 생성될 수 있다.
다시 도 3a를 참조하면, 음성 합성부(200)는 수신된 제 1 화자의 정상 음성 신호에 대한 조건(310)에 기초하여 제 1 화자의 정상 음성 신호(303) 및 랜덤 노이즈 신호(305)를 이용하여 제 1 화자가 발화한 것과 유사한 음성 신호 또는 텍스트 정보에 대응하는 합성 음성 신호를 생성할 수 있다.
한편, 음성 합성부(200)는 음성 파형을 생성하는 웨이브 넷(WaveNet)을 합성 음성 신호로 생성할 수 있다. 여기서, 웨이브 넷은 임의의 구간 [t, t+u-1]에 해당하는 길이 u의 표본 열(sample sequence)에 대응하는
Figure 112018048795017-pat00021
을 입력으로 받고, 해당 구간 [t, t+u-1]의 바로 다음 시간인 t+u에서 표본 값을 출력한다.
이 때, 표본 열은 특정 음성으로부터 얻거나 임의의 음성으로 설정될 수 있다. 웨이브 넷은 음성의 양자화 표본 열들을 이용하여 학습을 수행할 수 있다. 예를 들면, 학습용 음성 신호의 양자본 표본들을
Figure 112018048795017-pat00022
라고 가정하면, 웨이브 넷은 길이 u의 학습용 음성 신호의 표본열을 입력으로 받는다.
예를 들어, 처음에는 [1, u] 구간에 해당하는 표본 열
Figure 112018048795017-pat00023
을 입력으로 받고, 웨이브 넷은 시간 u+1에서의 예상 표본 값(
Figure 112018048795017-pat00024
)을 생성할 수 있다. 그 다음에는 [2, u+1] 구간에 해당하는 표본 열
Figure 112018048795017-pat00025
로부터
Figure 112018048795017-pat00026
을 생성하고,
Figure 112018048795017-pat00027
와
Figure 112018048795017-pat00028
의 차이가 줄어들도록 학습할 수 있다. 이 과정을 순차적으로 반복하면, 1개의 음성 신호에 대한 학습이 완료된다. 이러한 학습 과정을 목적 함수로 나타내면 [수학식 3]과 같이 나타낼 수 있다.
[수학식 3]
Figure 112018048795017-pat00029
여기서,
Figure 112018048795017-pat00030
는
Figure 112018048795017-pat00031
와
Figure 112018048795017-pat00032
를 나타내는 함수이며, 교차 엔트로피(cross-entropy)를 주로 사용한다.
잠시 도 3b 및 6을 함께 참조하면, 음성 판별부(210)는 제 1 화자의 학습용 음성 신호에 대한 조건(309)을 수신할 수 있다. 여기서, 조건은 제 1 화자에 대한 정보 및 판별하고자 하는 음성 신호에 대한 텍스트 정보를 포함할 수 있다.
음성 판별부(210)는 제 1 화자의 학습용 음성 신호에 대한 조건(309), 제 1 화자의 학습용 음성 신호(311) 및 제 1 화자의 정상 음성 신호(303)를 이용하여 제 1 화자의 학습용 음성 신호(311)의 합성 여부(313)를 판별할 수 있다.
예를 들어, 음성 판별부(210)는 제 1 화자의 학습용 음성 신호에 대한 조건(309)으로 제 1 화자의 학습용 음성 신호(311)와 제 1 화자의 정상 음성 신호(303)가 서로 동일한 음성 신호인지를 구분하는 학습을 수행할 수 있다.
예를 들면, 음성 판별부(210)는 제 1 화자의 학습용 음성 신호에 대한 조건(309)에 기초하여 제 1 화자의 학습용 정상 음성 신호와 제 1 화자의 정상 음성 신호(303)가 서로 동일한 음성 신호로 판별된 경우, 정상 음성 신호에 해당하는 제 1 확률값(예컨대, 1)을 출력할 수 있다.
다른 일 예로, 음성 판별부(210)는 제 1 화자의 학습용 음성 신호에 대한 조건(309)과 동일한 화자의 음성 신호가 입력되면, 제 1 확률값을 출력할 수 있다. 만일, 제 1 화자의 학습용 정상 음성 신호 및 제 1 화자의 정상 음성 신호(303)에 대하여 서로 다른 음성 신호로 판별된 경우, 음성 판별부(210)는 제 1 화자의 학습용 정상 음성 신호와 제 1 화자의 정상 음성 신호(303)가 서로 동일한 음성 신호로서 인식되도록 학습할 수 있다.
예를 들면, 음성 판별부(210)는 제 1 화자의 학습용 음성 신호에 대한 조건(309)에 기초하여 제 1 화자의 학습용 합성 음성 신호와 제 1 화자의 정상 음성 신호(303)가 서로 다른 음성 신호로 판별된 경우, 합성 음성 신호에 해당하는 제 2 확률값(예컨대, 0)을 출력할 수 있다.
다른 일 예로, 음성 판별부(210)는 제 1 화자의 학습용 음성 신호에 대한 조건(309)과 다른 화자의 음성 신호가 입력되면, 제 2 확률값(예컨대, 0)을 출력할 수 있다. 만일, 제 1 화자의 학습용 합성 음성 신호 및 제 1 화자의 정상 음성 신호(303)에 대하여 서로 동일한 음성 신호로 판별된 경우, 음성 판별부(210)는 제 1 화자의 학습용 정상 음성 신호와 제 1 화자의 정상 음성 신호(303)가 구별되도록 학습할 수 있다.
본 발명은 제 1 화자에 대한 합성 음성 신호에 대하여 음성 판별부(210)의 출력값이 제 1 확률값에 가까워지도록 음성 합성부(200)를 학습시키고 있다. 즉, 음성 합성부(200)는 제 1 화자의 정상 음성 신호와 유사한 합성 음성 신호를 생성하도록 학습하고, 음성 판별부(210)는 제 1 화자의 정상 음성 신호와 해당 합성 음성 신호를 정확하게 구분하는 학습을 수행하게 되면, 제 1 화자의 정상 음성 신호와 비슷한 합성 음성 신호가 입력되더라도 합성 음성 신호를 정확하게 구분할 수 있다.
잠시 도 3c를 참조하면, 스푸핑 검출 시스템(110)은 제 1 화자의 학습용 음성 신호(315)를 수신하고, 수신된 제 1 화자의 학습용 음성 신호(315)에 대한 스푸핑 여부를 검출하는 학습(317)을 수행할 수 있다.
예를 들면, 스푸핑 검출 시스템(110)은 입력된 제 1 학습용 정상 음성 신호가 합성되지 않은 정상 음성 신호로 검출된 경우, 정상 음성 신호에 해당하는 제 1 확률값을 출력할 수 있다. 만일, 수신된 제 1 화자의 제 1 학습용 정상 음성 신호에 대하여 합성 음성 신호에 해당하는 제 2 확률값이 출력된 경우, 스푸핑 검출 시스템(110)은 제 1 화자의 제 1 학습용 정상 음성 신호가 제 1 화자의 정상 음성 신호로 인식되도록 학습할 수 있다.
또한, 스푸핑 검출 시스템(110)은 수신된 제 1 학습용 합성 음성 신호가 합성된 음성 신호로 검출된 경우, 합성 음성 신호에 해당하는 제 2 확률값을 출력할 수 있다. 만일, 수신된 제 1 화자의 제 1 학습용 합성 음성 신호에 대하여 정상 음성 신호에 해당하는 제 1 확률값이 출력된 경우, 스푸핑 검출 시스템(110)은 제 1 화자의 제 1 학습용 합성 음성 신호와 제 1 화자의 정상 음성 신호를 구별하도록 하는 학습을 수행할 수 있다.
한편, 스푸핑 검출 시스템(110)은 평가용 음성 신호를 이용하여 평가용 음성 신호의 합성 여부에 대한 검출 정확도를 평가할 수 있다. 여기서, 평가용 음성 신호는 복수의 평가용 정상 음성 신호 및 복수의 평가용 합성 음성 신호를 포함할 수 있다.
예를 들면, 스푸핑 검출 시스템(110)은 적어도 하나의 평가용 정상 음성 신호에 대하여 정상 음성 신호에 해당하는 제 1 검출값을 출력하는지를 검증하고, 적어도 하나의 평가용 합성 음성 신호에 대하여 합성 음성 신호에 해당하는 제 2 검출값을 출력하는지를 검증할 수 있다.
잠시 도 4a 내지 4c를 참조하면, 스푸핑 검출 시스템(110)이 적어도 하나의 평가용 합성 음성 신호(401)에 대하여 제 1 화자의 정상 음성 신호에 해당하는 제 1 검출값(403)을 출력하는 경우, 스푸핑 검출 시스템(110)은 해당 평가용 합성 음성 신호(401)에 대한 검출 정확도를 낮게 평가할 수 있다.
스푸핑 검출 시스템(110)이 적어도 하나의 평가용 합성 음성 신호(401)를 제 1 화자의 정상 음성 신호로 판단한 경우, 스푸핑 검출 시스템(110)은 제 1 화자의 정상 음성 신호로 판단된 적어도 하나의 평가용 합성 음성 신호(401)를 제 1 화자의 정상 음성 신호와 구별하도록 하는 재학습을 수행할 수 있다.
스푸핑 검출 시스템(110)이 적어도 하나의 평가용 정상 음성 신호(405)에 대하여 합성 음성 신호에 해당하는 제 2 검출값(407)을 출력하는 경우, 스푸핑 검출 시스템(110)은 해당 평가용 정상 음성 신호(405)에 대한 검출 정확도를 낮게 평가할 수 있다.
스푸핑 검출 시스템(110)이 적어도 하나의 평가용 정상 음성 신호(405)를 합성된 음성 신호로 판단한 경우, 스푸핑 검출 시스템(110)은 합성된 음성 신호로 판단된 적어도 하나의 평가용 정상 음성 신호(405)를 제 1 화자의 정상 음성 신호로 인식하도록 재학습을 수행할 수 있다.
스푸핑 검출 시스템(110)이 적어도 하나의 평가용 합성 음성 신호(409)에 대하여 합성 음성 신호에 해당하는 제 2 검출값(411)을 출력하는 경우, 스푸핑 검출 시스템(110)은 해당 평가용 합성 음성 신호(409)에 대한 검출 정확도를 높게 평가할 수 있다.
스푸핑 검출 시스템(110)이 적어도 하나의 평가용 합성 음성 신호(409)를 합성된 음성 신호로 판단한 경우, 음성 합성부(200)는 제 1 화자의 정상 음성 신호와 유사한 합성 음성 신호를 재생성하도록 학습할 수 있다.
이와 같이, 음성 합성 시스템(100)은 스푸핑 검출 시스템(110)에서 합성 음성 여부를 정확하게 검출하기 어려울 정도로 제 1 화자의 정상 음성 신호와 유사한 합성 음성 신호를 생성하도록 학습하고, 스푸핑 검출 시스템(110)은 합성 음성 신호와 제 1 화자의 정상 음성 신호를 정확하게 구별하도록 학습함으로써 음성 합성 시스템(100)은 제 1 화자의 정상 음성 신호와 상당히 비슷한 합성 음성 신호를 생성할 수 있고, 스푸핑 검출 시스템(110)은 제 1 화자의 정상 음성 신호와 상당히 비슷한 합성 음성 신호라도 합성 여부를 정확하게 검출하는 화자 음성 인증 서비스를 제공할 수 있다.
도 1을 참조하면, 음성 데이터베이스(120)는 복수의 화자 각각에 대한 복수의 학습용 음성 신호를 저장하는 제 1 음성 데이터베이스(122)와 복수의 화자 각각에 대한 복수의 평가용 음성 신호를 저장하는 제 2 음성 데이터베이스(124)를 포함할 수 있다. 예를 들면, 제 1 음성 데이터베이스(122)는 제 1 화자의 복수의 학습용 정상 음성 신호 및 복수의 학습용 합성 음성 신호를 포함하는 복수의 학습용 음성 신호를 저장할 수 있다. 제 2 음성 데이터베이스(124)는 제 1 화자의 복수의 평가용 정상 음성 신호 및 복수의 평가용 합성 음성 신호를 포함하는 복수의 평가용 음성 신호를 저장할 수 있다.
도 7은 본 발명의 일 실시예에 따른, 화자 음성 인증 서비스에서 스푸핑을 검출하는 방법을 나타낸 흐름도이다.
도 7에 도시된 실시예에 따른 스푸핑 검출 방법은 도 1 내지 도 6에 도시된 실시예에 따른 음성 합성 시스템(100) 및 스푸핑 검출 시스템(110)에서 시계열적으로 처리되는 단계들을 포함한다. 따라서, 이하 생략된 내용이라고 하더라도 도 1 내지 도 6의 음성 합성 시스템(100) 및 스푸핑 검출 시스템(110)에 관하여 기술된 내용은 도 7에 도시된 실시예에 따른 스푸핑 검출 방법에도 적용될 수 있다.
도 7을 참조하면, 단계 S701에서 음성 합성 시스템(100)은 제 1 화자의 정상 음성 신호 및 랜덤 노이즈 신호를 합성하여 제 1 화자에 대한 복수의 합성 음성 신호를 생성할 수 있다.
단계 S703에서 음성 합성 시스템(100)은 제 1 화자의 학습용 음성 신호를 수신할 수 있다.
단계 S705에서 음성 합성 시스템(100)은 제 1 화자의 학습용 음성 신호와 제 1 화자의 정상 음성 신호를 비교하여, 제 1 화자의 학습용 음성 신호의 합성 여부를 판별할 수 있다.
단계 S707에서 스푸핑 검출 시스템(110)은 화자 음성 인증 서비스를 제공할 수 있다.
상술한 설명에서, 단계 S701 내지 S707은 본 발명의 구현예에 따라서, 추가적인 단계들로 더 분할되거나, 더 적은 단계들로 조합될 수 있다. 또한, 일부 단계는 필요에 따라 생략될 수도 있고, 단계 간의 순서가 변경될 수도 있다.
본 발명의 일 실시예는 컴퓨터에 의해 실행되는 프로그램 모듈과 같은 컴퓨터에 의해 실행 가능한 명령어를 포함하는 기록 매체의 형태로도 구현될 수 있다. 컴퓨터 판독 가능 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용 매체일 수 있고, 휘발성 및 비휘발성 매체, 분리형 및 비분리형 매체를 모두 포함한다. 또한, 컴퓨터 판독가능 매체는 컴퓨터 저장 매체를 모두 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함한다.
전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.
본 발명의 범위는 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
100: 음성 합성 시스템
110: 스푸핑 검출 시스템
120: 음성 데이터베이스
200: 음성 합성부
210: 음성 판별부

Claims (14)

  1. 화자 음성 인증 서비스에서 스푸핑을 검출하는 음성 인증 시스템에 있어서,
    제 1 화자의 정상 음성 신호 및 랜덤 노이즈 신호를 합성하여 학습용 합성 음성 신호 및 평가용 합성 음성 신호를 포함하는 상기 제 1 화자에 대한 복수의 합성 음성 신호를 생성하는 음성 합성부 및 상기 제 1 화자의 학습용 정상 음성 신호 또는 상기 학습용 합성 음성 신호를 상기 제 1 화자의 학습용 음성 신호로서 수신하고, 상기 제 1 화자의 학습용 음성 신호와 상기 제 1 화자의 정상 음성 신호를 비교하여, 상기 제 1 화자의 학습용 음성 신호의 합성 여부를 판별하는 음성 판별부를 포함하는 음성 합성 시스템; 및
    상기 제 1 화자의 학습용 음성 신호의 합성 여부에 대한 판별 결과에 기초하여 상기 화자 음성 인증 서비스를 제공하는 스푸핑 검출 시스템
    을 포함하는 음성 인증 시스템.
  2. 제 1 항에 있어서,
    상기 음성 합성부는 적대적 생성 네트워크에 기초하여 상기 제 1 화자의 정상 음성 신호와 유사한 합성 음성 신호를 생성하기 위한 학습을 수행하고,
    상기 음성 판별부는 상기 적대적 생성 네트워크에 기초하여 상기 제 1 화자의 학습용 음성 신호와 상기 제 1 화자의 정상 음성 신호를 구별하기 위한 학습을 수행하는 것인, 음성 인증 시스템.
  3. 제 2 항에 있어서,
    상기 음성 합성부는 상기 적대적 생성 네트워크에 대한 목적 함수를 최소화하도록 학습하고,
    상기 음성 판별부는 상기 목적 함수를 최대화하도록 학습하는 것인, 음성 인증 시스템.
  4. 제 3 항에 있어서,
    상기 음성 합성부가 상기 목적 함수를 최소화하도록 상기 음성 합성부는 상기 제 1 화자의 학습용 음성 신호의 합성 여부에 대한 확률을 높이도록 학습하는 것인, 음성 인증 시스템.
  5. 제 4 항에 있어서,
    상기 음성 판별부가 상기 목적 함수를 최대화하도록 상기 음성 판별부는 상기 제 1 화자의 학습용 음성 신호로서 상기 학습용 정상 음성 신호와 상기 학습용 합성 음성 신호의 구분에 대한 확률을 높이도록 학습하는 것인, 음성 인증 시스템.
  6. 삭제
  7. 제 1 항에 있어서,
    상기 음성 합성부 및 상기 음성 판별부는 조건부 적대적 생성 네트워크에 기초하여 학습을 수행하는 것인, 음성 인증 시스템.
  8. 제 7 항에 있어서,
    상기 음성 합성부는 상기 제 1 화자의 정상 음성 신호에 대한 조건을 수신하고,
    상기 음성 판별부는 상기 제 1 화자의 학습용 음성 신호에 대한 조건을 수신하는 것인, 음성 인증 시스템.
  9. 제 8 항에 있어서,
    상기 조건은 화자에 대한 정보 및 수신하는 음성 신호에 대한 텍스트 정보를 포함하는 것인, 음성 인증 시스템.
  10. 제 1 항에 있어서,
    상기 스푸핑 검출 시스템은 상기 제 1 화자의 학습용 음성 신호를 수신하고,
    상기 수신된 제 1 화자의 학습용 음성 신호에 대한 스푸핑 여부를 검출하는 학습을 수행하는 것인, 음성 인증 시스템.
  11. 제 1 항에 있어서,
    상기 스푸핑 검출 시스템이 상기 평가용 합성 음성 신호를 합성된 음성 신호로 판단한 경우, 상기 음성 합성부는 상기 제 1 화자의 정상 음성 신호와 유사한 합성 음성 신호를 재생성하도록 학습하는 것인, 음성 인증 시스템.
  12. 제 11 항에 있어서,
    상기 스푸핑 검출 시스템이 평가용 정상 음성 신호 중 적어도 하나의 평가용 정상 음성 신호를 합성된 음성 신호로 판단한 경우, 상기 스푸핑 검출 시스템은 상기 합성된 음성 신호로 판단된 적어도 하나의 평가용 정상 음성 신호를 상기 제 1 화자의 정상 음성 신호로 인식하도록 재학습을 수행하는 것인, 음성 인증 시스템.
  13. 제 11 항에 있어서,
    상기 스푸핑 검출 시스템이 상기 평가용 합성 음성 신호 중 적어도 하나의 평가용 합성 음성 신호를 상기 제 1 화자의 정상 음성 신호로 판단한 경우,
    상기 스푸핑 검출 시스템은 상기 제 1 화자의 정상 음성 신호로 판단된 적어도 하나의 평가용 합성 음성 신호를 상기 제 1 화자의 정상 음성 신호와 구별하도록 하는 재학습을 수행하는 것인, 음성 인증 시스템.
  14. 화자 음성 인증 서비스를 제공하는 스푸핑 검출 시스템에서 이용되는 화자의 음성을 합성하는 음성 합성 시스템에 있어서,
    제 1 화자의 정상 음성 신호 및 랜덤 노이즈 신호를 합성하여 학습용 합성 음성 신호 및 평가용 합성 음성 신호를 포함하는 상기 제 1 화자에 대한 복수의 합성 음성 신호를 생성하는 음성 합성부; 및
    상기 제 1 화자의 학습용 정상 음성 신호 또는 상기 학습용 합성 음성 신호를 상기 제 1 화자의 학습용 음성 신호로서 수신하고, 상기 제 1 화자의 학습용 음성 신호와 상기 제 1 화자의 정상 음성 신호를 비교하여, 상기 제 1 화자의 학습용 음성 신호의 합성 여부를 판별하는 음성 판별부
    를 포함하는 음성 합성 시스템.
KR1020180056658A 2018-05-17 2018-05-17 화자 음성 인증 서비스에서 스푸핑을 검출하는 음성 인증 시스템 KR102069135B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180056658A KR102069135B1 (ko) 2018-05-17 2018-05-17 화자 음성 인증 서비스에서 스푸핑을 검출하는 음성 인증 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180056658A KR102069135B1 (ko) 2018-05-17 2018-05-17 화자 음성 인증 서비스에서 스푸핑을 검출하는 음성 인증 시스템

Publications (2)

Publication Number Publication Date
KR20190131806A KR20190131806A (ko) 2019-11-27
KR102069135B1 true KR102069135B1 (ko) 2020-01-22

Family

ID=68730029

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180056658A KR102069135B1 (ko) 2018-05-17 2018-05-17 화자 음성 인증 서비스에서 스푸핑을 검출하는 음성 인증 시스템

Country Status (1)

Country Link
KR (1) KR102069135B1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102415519B1 (ko) * 2020-09-24 2022-07-05 장원준 인공지능 음성의 컴퓨팅 탐지 장치

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012141354A (ja) 2010-12-28 2012-07-26 Nippon Telegr & Teleph Corp <Ntt> 音声合成方法、音声合成装置及び音声合成プログラム

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001318692A (ja) 2000-05-11 2001-11-16 Yasutaka Sakamoto 音声認識による人物同定システム
US20170200451A1 (en) * 2014-07-04 2017-07-13 Intel Corporation Replay attack detection in automatic speaker verification systems

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012141354A (ja) 2010-12-28 2012-07-26 Nippon Telegr & Teleph Corp <Ntt> 音声合成方法、音声合成装置及び音声合成プログラム

Also Published As

Publication number Publication date
KR20190131806A (ko) 2019-11-27

Similar Documents

Publication Publication Date Title
US11516223B2 (en) Secure personalized trust-based messages classification system and method
EP3599606B1 (en) Machine learning for authenticating voice
US10970375B2 (en) Privacy preserving biometric signature generation
Muckenhirn et al. End-to-end convolutional neural network-based voice presentation attack detection
Villalba et al. x-Vectors Meet Adversarial Attacks: Benchmarking Adversarial Robustness in Speaker Verification.
KR20200027475A (ko) 음성 대 음성 변환을 위한 시스템 및 방법
US9430627B2 (en) Method and system for enforced biometric authentication
Hu et al. Adversarial examples for automatic speech recognition: Attacks and countermeasures
US20140278412A1 (en) Method and apparatus for audio characterization
Marras et al. Adversarial Optimization for Dictionary Attacks on Speaker Verification.
WO2016201648A1 (zh) 一种基于局部学习的信息隐藏检测方法
Chen et al. Towards understanding and mitigating audio adversarial examples for speaker recognition
Aravind et al. Audio spoofing verification using deep convolutional neural networks by transfer learning
KR102069135B1 (ko) 화자 음성 인증 서비스에서 스푸핑을 검출하는 음성 인증 시스템
US20200286489A1 (en) Method and apparatus with speaker recognition registration
Sánchez-Hevia et al. Maximum likelihood decision fusion for weapon classification in wireless acoustic sensor networks
Salvi et al. Exploring the synthetic speech attribution problem through data-driven detectors
Gazdar A new ids for smart home based on machine learning
CN110706712A (zh) 家居环境下的录音重放检测方法
Yang et al. Domain agnostic few-shot learning for speaker verification
Karakos et al. Individual ship detection using underwater acoustics
Kumar et al. Deepfakes audio detection techniques using deep convolutional neural network
Baldini et al. Mobile phone identification through the built-in magnetometers
Liu et al. Speaker-Aware Anti-Spoofing
Koerich et al. Cross-representation transferability of adversarial perturbations: From spectrograms to audio waveforms

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant