РАЗРАБОТКА НЕЙРОСЕТЕВОЙ БАЗЫ ДАННЫХ БИОМЕТРИЧЕСКИХ ОБРАЗОВ НА ОСНОВЕ НЕСКОЛЬКИХ ПАРАМЕТРОВ СПЕКТРОВ ГЛАСНЫХ ЗВУКОВ ДЛЯ СИСТЕМЫ АУТЕНТИФИКАЦИИ И АВТОРИЗАЦИИ ПО ГОЛОСУ

Ирина В. Машкина, Елена П. Белова

Аннотация


Данное исследование посвящено методам биометрической аутентификации и идентификации администраторов сети по голосу. В работе предложен метод представления уникальных параметров голоса, а также принцип построения искусственной нейронной сети для системы аутентификации пользователя и контроля доступа. Представлена структура системы биометрической аутентификации / авторизации пользователей информационной системы с использованием уникальных параметров голоса: частотного диапазона четвёртой форманты гласного звука, частоты четвёртой форманты и частоты лидирующей форманты спектральной характеристики. Построены две нейросетевые базы данных биометрических образов: первая базируется только на характеристиках четвёртой форманты гласного звука, вторая – кроме них использует и частоту лидирующей форманты. Рассмотрены возможные решения специфических задач построения и обучения искусственной нейронной сети для построения базы биометрических образов пользователей и уменьшения ошибок первого и второго рода.


Ключевые слова


биометрический образ личности, нейросетевая база данных биометрических образов, характеристики четвёртой форманты гласного звука, частота лидирующей форманты спектральной характеристики, аутентификация по голосу, авторизация по голосу.

Полный текст:

PDF

Литература


1. Мировой рынок биометрических систем 2015-2022 гг. Обзор рынка, январь 2017 г. //
URL: http://json.tv/ict_telecom_analytics_view/mirovoy-rynok-biometricheskih-sistem-2015-2022-gg-20170119025618, свободный (дата обращения: 14.05.2019).

2. Сорокин В.Н. Верификация диктора по спектрально-временным параметрам речевого сигнала / В.Н. Сорокин, А.И. Цыплихин // Информационные процессы. 2010. Т. 10, №2. С. 87–104.

3. Актуальные аспекты информационной безопасности / под ред. О.Б. Макаревича: Монография. – Таганрог: Издательство ТТИ ЮФУ, 2011. – 448 с.

4. Сорокин В.Н. Распознавание личности по голосу: аналитический обзор [Текст] / В.Н. Сорокин, В.В. Вьюгин, А.А. Тананыкин // Информационные процессы. Том 12, №1. Институт проблем передачи информации, Российская академия наук, Москва. 2012. С. 1–30.

5. Первушин Е.А. Обзор основных методов распознавания дикторов / Е.А. Первушин // Математические структуры и моделирование. 2011. Вып. 24. С. 41–54.

6. Belova Ye.P., Mashkina I.V., Research Results of Artificial Neural Network for User Authentication According to Frequency of Fourth Formant of Vowel Sound Phoneme // Сборник научных трудов «2018 International Russian Automatisation Conference (RusAutoCon)», издательство: институт IEEE.
DOI: 10.1109/RUSAUTOCON.2018.8501680, 2018 г. URL: https://ieeexplore.ieee.org/document/8501680 (дата обращения:
14.05.2019).

7. Новиков А.С., Нестеров К.С. Биометрическая система аутентификации с использованием голосовых данных / А.С. Новиков, К.С. Нестеров // Известия ТулГУ. Технические науки. 2016. №2.
URL: https://cyberleninka.ru/article/n/biometricheskaya-sistema-autentifikatsii-s-ispolzovaniem-golosovyh-dannyh (дата обращения: 05.05.2019).

8. Матвеев Ю.Н. Исследование информативности признаков речи для систем автоматической идентификации дикторов [Текст] / Ю.Н. Матвеев // Известия вузов. Приборостроение. 2013. Т. 56, №2. С. 47–51.

9. Матвеев Ю.Н., Симончик К.К. Система идентификации дикторов по голосу для конкурса NIST SRE 2010 // Тр. 20-й Междунар. конф. по компьютерной графике и зрению «ГрафиКон 2010». СПб: СПбГУ ИТМО, 2010. С. 315–319.

10. Рабинер Л.Р., Шафер Р.В. Цифровая обработка речевых сигналов. – М.: Радио и связь, 1981. – 496 с.

11. Сидоренко И.А., Кускова П.А. О спектральном анализе фонем с использованием звуковых редакторов [Текст] / Научные ведомости БелГУ, серия История. Политология. Экономика. Информатика. 2013, №22 (165). С. 246–250.

12. Сорокин В.Н. Теория речеобразования. – М.: Радио и связь, 1985. – 312 с.

13. Оганесян А.Г. Эффективный алгоритм выделения формант из спектра речевого сигнала / А.Г. Оганесян // Вычислительная техника и информатика Том LIX, №1. Известия НАН РА и ГИУА, Москва. 2006.
С. 177–183.

14. Лукин A. Введение в цифровую обработку сигналов [Электронный ресурс].
URL: http://audio.rightmark.org/lukin/dspcourse/dspcourse.pdf свободный (дата обращения: 26.04.2019).

15. Герасимов В.В., Белова Е.П., Машкина И.В. Выделение характеристик четвёртой форманты гласного звука // Свидетельство о государственной регистрации программы для ЭВМ от 3 апреля 2019 года №2019614367.

16. Bard 0.1.7. URL: http://psi-logic.narod.ru/bard/bard.htm, свободный (дата обращения: 26.04.2019).

17. Рутковский, Л. Методы и технологии искусственного интеллекта / Лешек Рутковский. – Пер. в польского И.Д. Рудинского. – М.: Горячия линия-Телеком, 2010. – 520 с.

18. Осовский С. Нейронные сети для обработки информации / Пер. с польского И. Д. Рудинского. – М.: Финансы и статистика, 2002. – 344 с.

19. Кафаров В.В. и др. К вопросу моделирования и управления непрерывными технологическими процессами с помощью нейронных сетей / В.В. Кафаров, Л.С. Гордеев, М.Б. Глебов, Го Цзинбао // ТОХТ. 1995, №2.

20. Кулибаба О.В., Привалов М.В. Выбор признаков для аутентификации по голосу в компьютеризированной системе контроля доступа [Текст] // Інформаційні управляючі системи та комп'ютерний моніторинг (ІУС та КМ-2010)/ Матеріали I всеукраїнської науково-технічної конференції студентів, аспірантів та молодих вчених – 19-21 травня 2010 р., Донецьк, ДонНТУ. 2010. С. 33–37.




DOI: http://dx.doi.org/10.26583/bit.2019.3.08

Ссылки

  • На текущий момент ссылки отсутствуют.


Лицензия Creative Commons
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.