The present invention provides a method for generating key biological voiceprint. The present invention will voiceprints sequence to the high dimensional space projection, in high dimensional space, stable feature sequence to fluctuations within the acceptable range of encoding after stable feature sequence, extracting key from biological encoding. The method to authenticate the user terminal, the authentication server is required to record the user by collecting user voiceprint template, its voice generated locally (user name, key), through (name, key) network identity authentication of various authentication methods derived. The voice biometric key can be used not only for network authentication, it can be used to encrypt all user private data, safe and convenient. The user does not need to memorize lengthy passwords, but also to obtain a key sequence of sufficient length. The method of extracting the key length of normal human voice biometric key may be greater than 256bit.
【技术实现步骤摘要】
一种人类声纹生物密钥生成方法
本专利技术属于信息安全
,具体涉及一种从人类声纹中经由高维空间转换直接提取稳定生物密钥的方法,其能够为网络身份认证提供一种新的认证方法和思路。
技术介绍
声纹识别技术是现今比较成熟的生物特征识别技术,在低噪音环境中声纹识别准确率可达到95%以上。基于声纹的网络身份认证技术,其基本方法为:1)采集用户语音信号,经语音信号处理提取用户声纹特征,生成声纹特征模板,存储在远端网络认证服务器中;2)当某用户需要进行身份认证时,再次采集用户语音信号,提取用户声纹特征;3)将用户声纹特征与认证服务器中的相应用户声纹特征模板进行比对,一致则认证通过,不一致则认证失败。这一经典的网络身份认证模型需要在认证服务器端存储用户语音,或者用户声纹特征模板。采集用户语音存储在认证服务器中,不方便并且会消耗比较大的服务器资源。服务器需要开辟语音通道接收用户的语音流,这增加了整套认证系统的复杂性。也阻碍了声纹认证在网络认证服务中的运用。曾经有科研工作者尝试过直接从声纹中提取生物密钥。如中国专利技术专利ZL201110003202.8基于声纹的文档加密及解密方法,提出了一个从声纹信息中提取稳定密钥序列的方案。但是该方案仅用棋盘法稳定声纹特征值,稳定效果有限。并且棋盘法事实是通过缩小编码空间来稳定特征值,如1024的值空间映射为16的值空间,这使得密钥序列的长度缩短,降低了安全性。
技术实现思路
本专利技术提出了一种声纹生物密钥生成方法。方法将声纹特征序列向高维空间中投影,在高维空间中将特征序列稳定到可接受的波动范围内,再对稳定后的特征序列编码,从编码中提取生 ...
【技术保护点】
一种人类声纹生物密钥生成方法,其特征在于该方法包括以下步骤:声纹生物密钥训练部分和声纹生物密钥提取部分;声纹生物密钥训练部分具体步骤为:第Ⅰ步,用户录取自身语音,10秒以上;第Ⅱ步,从录取语音中提取MFCC系数;用MFCC系数训练用户GMM高斯混合模型,取混合数为8~32阶,记为N;第Ⅲ步,混合数为N的高斯混合模型由N个高维高斯分布组成,取每一个高维高斯分布的均值向量,组成N×20维的矩阵,20为MFCC系数个数;高斯混合模型对应每一个高维高斯分布有一个权值,组合在一起为1×N维的权值向量,记为λ,在用户端存储λ;第Ⅳ步,将N×20维矩阵记为S,将N×20维矩阵扩展为2个矩阵,L×L维的随机误差方阵EX,L×L维的标准值方阵EY,L>N且L>20;具体方法如下:取矩阵S的N个行向量,求均值,得1×20维的均值向量EB;设定波动范围Er,为EB增加随机误差扰动,计算公式为
【技术特征摘要】
1.一种人类声纹生物密钥生成方法,其特征在于该方法包括以下步骤:声纹生物密钥训练部分和声纹生物密钥提取部分;声纹生物密钥训练部分具体步骤为:第Ⅰ步,用户录取自身语音,10秒以上;第Ⅱ步,从录取语音中提取MFCC系数;用MFCC系数训练用户GMM高斯混合模型,取混合数为8~32阶,记为N;第Ⅲ步,混合数为N的高斯混合模型由N个高维高斯分布组成,取每一个高维高斯分布的均值向量,组成N×20维的矩阵,20为MFCC系数个数;高斯混合模型对应每一个高维高斯分布有一个权值,组合在一起为1×N维的权值向量,记为λ,在用户端存储λ;第Ⅳ步,将N×20维矩阵记为S,将N×20维矩阵扩展为2个矩阵,L×L维的随机误差方阵EX,L×L维的标准值方阵EY,L>N且L>20;具体方法如下:取矩阵S的N个行向量,求均值,得1×20维的均值向量EB;设定波动范围Er,为EB增加随机误差扰动,计算公式为Sj代表S矩阵中的第j行,EXj代表一个行向量;rand(-1,1)函数返回(-1,1)之间的随机数;将EXj以行为单位装配为L×20维的矩阵;构造L-20个非线性函数,输入变量是一维行向量,x1,x2,…,x20,输出为一维行向量(x1,x2,…,x20,…,xL),L个元素;取如下非线性函数:Z(t)=(x1-x2)×sin(t)+(t^2)×(x3%10),t为整数,0<t<L-20;sin(t)为三角函数,(t^2)表示t的平方,(x3%10)表示x3模10运算;用构造的Z(t)对EXj进行运算,j遍历1~L,得L×L维矩阵,即随机误差方阵EX;EY构造方法为:将均值向量EB重复L行,得L×20维矩阵,记为EYt;用Z(t)对EYtj进行运算,j遍历1~L,得L×L维矩阵,即标准值方阵EY;第Ⅴ步,求解EX的广义逆矩阵,记为IEX,将IEX左乘矩阵EY得到高维空间投影矩阵PEX=IEX×EY,在用户端存储高维空间投影矩阵PEX;第...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。