一种端到端的声纹识别防重放攻击方法、装置及可读介质制造方法及图纸

本发明专利技术公开了一种端到端的声纹识别防重放攻击方法、装置及可读介质，通过获取待识别语音数据，并将待识别语音数据进行预处理并转换为音频序列数据，音频序列数据为浮点型数据；将音频序列数据输入经训练的声纹防重放识别模型，声纹防重放识别模型包括相接的五个卷积单元和一个全连接层，其中，每个卷积单元包括依次连接的一维卷积层、最大池化层和批归一化层，输出识别结果，基于识别结果确定待识别语音数据为真实音频或录音重放音频。本发明专利技术的声纹防重放识别模型的输入数据不需要先经过特征提取便可进行识别，可实现跨设备和跨场景的端到端的录音重放声纹防攻击检测。的端到端的录音重放声纹防攻击检测。的端到端的录音重放声纹防攻击检测。

【技术实现步骤摘要】
一种端到端的声纹识别防重放攻击方法、装置及可读介质


[0001]本专利技术涉及声纹识别领域，具体涉及一种端到端的声纹识别防重放攻击方法、装置及可读介质。

技术介绍

[0002]随着声纹识别技术的日益普及，声纹识别防重放攻击的主要研究目的是实现检测一段录音是真人还是预先录制好的音频，避免被他人盗用声纹信息。录音重放防攻击是任何声纹识别系统必不可少的，是声纹识别系统的重要组成部分。声纹识别系统需要根据音频来区分用户身份，完成用户授权。现有的声纹识别系统缺乏有效的检测机制，录音重放声纹防攻击系统首先将输入的语音进行特征提取，也就是人工设计，然后对提取的特征进行分类。
[0003]但是现在的录音重放声纹防攻击方法存在一定的局限性：
[0004]首先，音频特征提取主要是人工设计的方式，比如梅尔倒谱系数(MFCC)，这类音频特征大多是为语音识别系统设计，符合人类听觉系统特征，但是有时人耳也很难区分是否是录音重放，因此不一定适用于录音重放检测的场景。
[0005]其次，环境噪声、录音设备和播放设备对录音重放声纹防攻击检测结果影响较大，场景覆盖较少。

技术实现思路

[0006]针对上述提到的
技术介绍
中存在的问题。本申请的实施例的目的在于提出了一种端到端的声纹识别防重放攻击方法、装置及可读介质，来解决以上
技术介绍
部分提到的技术问题。
[0007]第一方面，本申请的实施例提供了一种端到端的声纹识别防重放攻击方法，包括以下步骤：
[0008]S1，获取待识别语音数据，并将待识别语音数据进行预处理并数字转换为音频序列数据，音频序列数据为浮点型数据；
[0009]S2，将音频序列数据输入经训练的声纹防重放识别模型，声纹防重放识别模型包括相接的五个卷积单元和一个全连接层，其中，每个卷积单元包括依次连接的一维卷积层、最大池化层和批归一化层，输出识别结果，基于识别结果确定待识别语音数据为真实音频或录音重放音频。
[0010]在一些实施例中，步骤S1中将待识别语音数据进行预处理并转换为音频序列数据，具体包括：
[0011]将待识别语音数据进行VAD处理，提取有效语音片段；
[0012]将有效语音片段进行数字转换，由字节数组型数据为浮点型数据，并得到具有时间序列的音频序列数据。
[0013]在一些实施例中，声纹防重放识别模型的训练过程中具体包括：将收集到的不同
设备和/或场景下的真实音频和录音重放音频进行人工标注、预处理和数字转换，并对声纹防重放识别模型进行训练，直至声纹防重放识别模型达到预期效果或直至满足训练结束条件。
[0014]在一些实施例中，声纹防重放识别模型中的一维卷积层的感受野为160，步长为16。
[0015]第二方面，本申请的实施例提供了一种端到端的声纹识别防重放攻击装置，包括：
[0016]数据转换模块，被配置为获取待识别语音数据，并将待识别语音数据进行预处理并数字转换为音频序列数据，音频序列数据为浮点型数据；
[0017]识别模块，被配置为将音频序列数据输入经训练的声纹防重放识别模型，声纹防重放识别模型包括相接的五个卷积单元和一个全连接层，其中，每个卷积单元包括依次连接的一维卷积层、最大池化层和批归一化层，输出识别结果，基于识别结果确定待识别语音数据为真实音频或录音重放音频。
[0018]在一些实施例中，数据转换模块中将待识别语音数据进行预处理并转换为音频序列数据，具体包括：
[0019]将待识别语音数据进行VAD处理，提取有效语音片段；
[0020]将有效语音片段进行数字转换，由字节数组型数据为浮点型数据，并得到具有时间序列的音频序列数据。
[0021]在一些实施例中，声纹防重放识别模型的训练过程中具体包括：将收集到的不同设备和/或场景下的真实音频和录音重放音频进行人工标注、预处理和数字转换，并对声纹防重放识别模型进行训练，直至声纹防重放识别模型达到预期效果或直至满足训练结束条件。
[0022]在一些实施例中，声纹防重放识别模型中的一维卷积层的感受野为160，步长为16。
[0023]第三方面，本申请的实施例提供了一种电子设备，包括一个或多个处理器；存储装置，用于存储一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。
[0024]第四方面，本申请的实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。
[0025]相比于现有技术，本专利技术具有以下技术效果：
[0026](1)本专利技术的端到端的声纹识别防重放攻击方法能够直接利用语音信息作为声纹防重放识别模型的输入进行防攻击识别，不仅可以跨设备和跨场景的端到端的实现录音重放声纹防攻击检测和识别，有效简化了录音重放声纹防攻击系统的构建过程。
[0027](2)本专利技术的端到端的声纹识别防重放攻击方法可以基于深度学习技术提取出待识别语音数据中的设备信息，为录音重放声纹防攻击系统提供重要的特征，能够有效提高录音重放声纹防攻击系统的识别性能。
[0028](3)本专利技术的声纹防重放识别模型可以直接部署到声纹识别系统前端，防止有人冒充他人，并且适用于包含声纹识别的所有对话交互系统。
附图说明
[0029]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0030]图1是本申请的一个实施例可以应用于其中的示例性装置架构图；
[0031]图2为本专利技术的实施例的端到端的声纹识别防重放攻击方法的流程示意图；
[0032]图3为本专利技术的实施例的端到端的声纹识别防重放攻击装置的示意图；
[0033]图4是适于用来实现本申请实施例的电子设备的计算机装置的结构示意图。
具体实施方式
[0034]为了使本专利技术的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术作进一步地详细描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本专利技术保护的范围。
[0035]图1示出了可以应用本申请实施例的端到端的声纹识别防重放攻击方法或端到端的声纹识别防重放攻击装置的示例性装置架构100。
[0036]如图1所示，装置架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
[0037]用户可以使用终端设备101、102、103通过网络104与服务器105交本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种端到端的声纹识别防重放攻击方法，其特征在于，包括以下步骤：S1，获取待识别语音数据，并将所述待识别语音数据进行预处理并数字转换为音频序列数据，所述音频序列数据为浮点型数据；S2，将所述音频序列数据输入经训练的声纹防重放识别模型，所述声纹防重放识别模型包括相接的五个卷积单元和一个全连接层，其中，每个卷积单元包括依次连接的一维卷积层、最大池化层和批归一化层，输出识别结果，基于所述识别结果确定所述待识别语音数据为真实音频或录音重放音频。2.根据权利要求1所述的端到端的声纹识别防重放攻击方法，其特征在于，所述步骤S1中将所述待识别语音数据进行预处理并转换为音频序列数据，具体包括：将所述待识别语音数据进行VAD处理，提取有效语音片段；将所述有效语音片段进行数字转换，由字节数组型数据为浮点型数据，并得到具有时间序列的音频序列数据。3.根据权利要求1所述的端到端的声纹识别防重放攻击方法，其特征在于，所述声纹防重放识别模型的训练过程中具体包括：将收集到的不同设备和/或场景下的真实音频和录音重放音频进行人工标注、预处理和数字转换，并对所述声纹防重放识别模型进行训练，直至所述声纹防重放识别模型达到预期效果或直至满足训练结束条件。4.根据权利要求1所述的端到端的声纹识别防重放攻击方法，其特征在于，所述声纹防重放识别模型中的一维卷积层的感受野为160，步长为16。5.一种端到端的声纹识别防重放攻击装置，其特征在于，包括：数据转换模块，被配置为获取待识别语音数据，并将所述待识别语音数据进行预处理并数字转换为音频序列数据，所述音频序列数据为浮点型数据；识别模块，被配置为将...

【专利技术属性】
技术研发人员：杨洪，肖龙源，李稀敏，叶志坚，
申请(专利权)人：厦门快商通科技股份有限公司，
类型：发明
国别省市：