一种声音重录攻击的识别方法

摘要

本发明涉及多媒体信息安全领域，具体是涉及一种声音重录攻击的识别方法；其特征在于，主要包括以下步骤：首先，提取MFCC；其次，对语音片段x(n)分帧；第三，提取语音识别特征；第四，训练出SVM分类器；输入原始语音作为正例训练样本，输入录制语音作为反例训练样本，从正反例样本中提取特征F以训练出SVM分类器；最后，测试识别；提取特征测试语音的特征F并输入SVM分类器进行判别。本发明技术方案在识别性能上能达到99.67％，能在大多数应用场合中成功识别重录声音。

主权项

一种声音重录攻击的识别方法，其特征在于，主要包括以下步骤：首先，提取MFCC；其次，对语音片段x(n)分帧；所述语音片段x(n)分帧分成N帧，则每帧分别提取前L维MFCC系数、前L维一次差分MFCC系数(ΔMFCC)和前L维二次差分MFCC系数(ΔΔMFCC)，获得3个L维向量，记x(n)第i帧的MFCC向量的第j个元素为v_ij，则x(n)所有帧的MFCC向量的第j个元素V_j可表示为V_j＝{v_1j，v_2j，…，v_Nj}，j＝1，2，…，L  (1)第三，提取语音识别特征；使用两种统计矩，即向量V_j的均值E_j和V_j与V_j的相关系数C_jj，即E_j＝E(V_j)，j＝1，2，…，L  (2)$\begin{array}{cc}{C}_{{\mathrm{jj}}^{\prime }}=\frac{\mathrm{cov}(V_j,V_{j^{\prime }})}{\sqrt{VAR\left(V_j\right)}\sqrt{VAR\left(V_{j^{\prime }}\right)}}& 1\le j<j^{\prime }\le L\end{array}---\left(3\right)$两种统计特征联合组成基于MFCC的统计特征向量，即F_MFCC＝[E₁，E₂，…，E_L，C₁₂，C₁₃，…，C_(L‑1)L]  (4)其中，F_MFCC的维数为L+1+2+…+(L‑1)＝L+L*(L‑1)/2＝(L²+L)/2，对ΔMFCC向量和ΔΔMFCC向量计算相同的统计特征向量F_ΔMFCC和F_ΔΔMFCC，将F_MFCC、F_ΔMFCC和F_ΔΔMFCC连在一起组成x(n)的特征向量F，即F＝[F_MFCC，F_ΔMFCC，F_ΔΔMFCC]  (5)其中，F的维数为3*(L²+L)/2；F即为本发明采用的识别特征；第四，训练出SVM分类器；输入原始语音作为正例训练样本，输入录制语音作为反例训练样本，从正反例样本中提取特征F以训练出SVM分类器；最后，测试识别；提取特征测试语音的特征F并输入SVM分类器进行判别。