一种基于一类分类的轻量级语音欺骗检测算法制造技术

本发明专利技术公开了一种基于一类分类的轻量级语音欺骗检测算法，针对真实语音和欺骗语音特性设计了新的损失函数DOC

【技术实现步骤摘要】
一种基于一类分类的轻量级语音欺骗检测算法


[0001]本专利技术涉及声纹识别
，尤其涉及一种基于一类分类的轻量级语音欺骗检测算法。

技术介绍

[0002]声纹识别是指根据语音信号中的说话人信息来识别说话人身份的一项生物特征识别技术，具有非集中、非接触、不惧遮挡、需主观意识配合等特点，已广泛应用于金融、社保、政企、物联网等场景中。
[0003]但实际应用环境中存在很多不确定性，尤其是人为的恶意欺骗攻击，使得现有声纹识别系统性能急剧下降。语音欺骗是指通过录音、语音合成、语音转换等手段，将一段非法的、未经过自动说话人验证系统认证的声音进行“修改仿冒”以通过自动说话人验证系统的检测。当前，主要有三种欺骗攻击：(1)其他说话人的刻意模仿；(2)通过语音合成或语音转换技术得到的逼真语音；(3)高保真录音设备的录音回放或录音拼接。在上述三种欺骗攻击中，刻意模仿这种欺骗攻击方式可被主流声纹识别系统辨识出真伪。
[0004]然而，录音设备质量的提高以及语音合成、语音转换等语音处理技术的快速发展给语音欺骗检测和声纹识别系统的安全性带来越来越严本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于一类分类的轻量级语音欺骗检测算法，其特征在于，利用知识蒸馏框架，通过基于分散损失的一类分类损失函数DOC
‑
Softmax来学习一个特征空间，在这个特征空间中，真实语音嵌入有一个紧实的边界，欺骗语音与真实语音之间有一定的距离，同时在欺骗语音特征空间中引入分散损失来最大化每个欺骗语音样本到其中心的距离，从而使欺骗语音覆盖整个欺骗语音的空间。2.根据权利要求1所述的基于一类分类的轻量级语音欺骗检测算法，其特征在于，基于分散损失的一类分类损失函数DOC
‑
Softmax总的损失函数L
DOCS
为一类分类损失L
OCS
和分散损失L
D
的加权和，权重为λ，具体公式如下：其中，是权重向量，为w0的标准化表示，为真实语音的优化方向，α是一个缩放因子，两个间隔m0和m1分别被引入来限定真实语音、欺骗语音与真实语音权重向量之间的角度，即与间的角度θ
i
，m0,m1∈[
‑
1,1],m0＞m1；一类分类损失函数OC
‑
Softmax的公式如下：两个间隔m0和m1，m0,m1∈[
‑
1,1],m0＞m1，分别被引入来限定真实类和欺骗类样本与间的角度θ
i
，当y
i
＝0，m0用于使θ
i
小于arccosm0；当y
i
＝1，m1用于使θ
i
大于arccosm1，一个小的arccosm0使目标类聚集在权重向量w0，一个相对大的arccosm1使非目标类远离权重向量w0；引入分散损失的公式如下：引入分散损失的公式如下：其中，为嵌入向量，为x的标准化表示，y
i
∈{0,1}为第i个样本的标签，y
i
＝0表示该样本为真实语音，y
i
＝1表示该样本为欺骗语音，N为一个批次中的样本数量，M为一个批次中欺骗样本的数量，ε为一个很小的常数，用来避免出现分母...

【专利技术属性】
技术研发人员：彭海朋，任叶青，李丽香，赵洁，薛晓鹏，赵猛猛，孟寅，暴爽，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：