Detecção de ataques de replays a sistemas de verificação automática de locutores (ASV).
Carregando...
Data
2022-01-10
Autores
Montagnoli, Mateus Marques
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Estadual Paulista (Unesp)
Resumo
In this work, are proposed two models that are able to detect replay spoofing attacks on Automa tic Speaker Verication (ASV). The models consists on a k-Nearest Neighbour (k-NN) classifier and Support Vector Machine (SVM) which will be trained and evaluated from the extraction of the voice signals features from the ASVspoof 2019 data base, the features used are the Power Spectrum Estimation and Teager Energy Operator. Futhermore, the analysis of all varieties of the quality of reproduction devices was done, where the k-NN classifier got good result working in low qualities with 87.76% of average accuracy, meanwhile, SVM was more eficient showing 97.21%, 87.37% and 71.23% of average accuracy in low, high and all qualities respectively
Neste trabalho, são propostos dois modelos capazes de detectar ataques de gravação e reprodução de voz em sistemas de verificação automática de locutores (ASV). Os modelos consistem em um classificador de k-vizinho mais próximos (k-NN) e uma maquina de vetores de suporte (SVM), os quais serão treinados e validados a partir da extração das características dos sinais de voz presentes no banco de dados ASVspoof 2019, as características utilizadas são a Estimativa do Espectro de Potência e a Teager Energy Operator. Além disso, foi feita a análise de todas as qualidades de dispositivos de reprodução, onde o classificador k-NN obteve bons resultados trabalhando com qualidades baixas com 87,76% de acurácia média, enquanto que, o SVM se mostrou mais eficiente, com 97,21%, 87,37% e 71,23% de acurácia média em qualidades baixas, altas e todas as qualidades respectivamente.
Neste trabalho, são propostos dois modelos capazes de detectar ataques de gravação e reprodução de voz em sistemas de verificação automática de locutores (ASV). Os modelos consistem em um classificador de k-vizinho mais próximos (k-NN) e uma maquina de vetores de suporte (SVM), os quais serão treinados e validados a partir da extração das características dos sinais de voz presentes no banco de dados ASVspoof 2019, as características utilizadas são a Estimativa do Espectro de Potência e a Teager Energy Operator. Além disso, foi feita a análise de todas as qualidades de dispositivos de reprodução, onde o classificador k-NN obteve bons resultados trabalhando com qualidades baixas com 87,76% de acurácia média, enquanto que, o SVM se mostrou mais eficiente, com 97,21%, 87,37% e 71,23% de acurácia média em qualidades baixas, altas e todas as qualidades respectivamente.
Descrição
Palavras-chave
Signal processing, Speaker recognition, Processamento de sinais, Reconhecimento de locutor, Biometria, Ataque via gravação e reprodução de voz