بازگشت به جستجو

جعل سیستم های تأیید صوت با ترکیب آماری گفتار با استفاده از داده های سازگاری محدود

عنوان	جعل سیستم های تأیید صوت با ترکیب آماری گفتار با استفاده از داده های سازگاری محدود
نویسنده	خدابخش، علی، محمدی، امیر، دمیروغلو، سنک
تاریخ انتشار:	2017-03
محل انتشار	- الزویر
موضوع	سنتز گفتار آماری، ترکیب گفتار ترکیبی، سیستم های تأیید جعل، سازگاری با بلندگو، تشخیص گفتار مصنوعی
نوع	دوره ای
زبان	انگلیسی
دیجیتال	بله
نسخه خطی	خیر
کتابخانه:	دانشگاه اوزیغین
شناسه دارایی کتابخانه	0885-2308
شماره ثبت	973d3380-8171-488c-9eed-66c47f3d29be
محل کتابخانه	مهندسی برق و الکترونیک
تاریخ	2017-03
متن نمونه	پیشرفته‌ترین سیستم‌های تأیید سخنران در برابر حملات جعل با استفاده از سنتز گفتار آسیب‌پذیر هستند. برای حل این مشکل، آشکارسازهای گفتار مصنوعی (SSD) با کارایی بالا برای روش‌های حمله اخیراً پیشنهاد شده‌اند. در اینجا، برخلاف توسعه آشکارسازهای جدید، استراتژی‌های حمله جدید را بررسی می‌کنیم. انتظار می‌رود که بررسی تکنیک‌های جدیدی که به‌طور خاص برای حملات جعلی که می‌توانند سیستم تأیید صوت را جعل کنند و تشخیص آن دشوار است، طراحی شده‌اند، با ایجاد امکان توسعه آشکارسازهای بهتر، امنیت سیستم‌های تأیید صوت را افزایش دهد. ابتدا، ما آسیب‌پذیری یک سیستم تأیید مبتنی بر i-vector را در برابر حملات با استفاده از سنتز گفتار آماری (SSS) با تمرکز ویژه بر روی موردی که مهاجم تنها مقدار بسیار محدودی از داده‌ها از گوینده هدف داشته باشد، بررسی کردیم. حتی با یک گفتار انطباق، نرخ هشدار نادرست 23٪ بود. با این حال، گفتار تولید شده توسط SSS به راحتی قابل تشخیص است (Wu et al., 2015a, 2015b)، که به طور چشمگیری اثربخشی آن را کاهش می دهد. برای حملات مؤثرتر با داده‌های محدود، ما یک رویکرد ترکیبی ترکیبی آماری / ترکیبی را پیشنهاد می‌کنیم و نشان می‌دهیم که سنتز ترکیبی به طور قابل‌توجهی نرخ هشدار نادرست را در سیستم تأیید در مقایسه با روش SSS پایه افزایش می‌دهد. علاوه بر این، ترکیب ترکیبی پیشنهادی، تشخیص گفتار مصنوعی را در مقایسه با SSS دشوارتر می‌کند، حتی زمانی که مقدار بسیار محدودی از ضبط‌های گفتار اصلی در دسترس مهاجم باشد. برای افزایش بیشتر اثربخشی حملات، ما یک روش رگرسیون خطی را پیشنهاد می‌کنیم که ویژگی‌های مصنوعی را به ویژگی‌های طبیعی‌تر تبدیل می‌کند. حتی اگر رویکرد رگرسیون در جعل آشکارسازها مؤثرتر است، به اندازه رویکرد سنتز ترکیبی در جعل سیستم تأیید مؤثر نیست. یک رویکرد درونیابی برای ترکیب رگرسیون خطی و روش‌های سنتز ترکیبی پیشنهاد شده‌است که نشان داده شده است بهترین عملکرد جعل را در بیشتر موارد ارائه می‌دهد.
DOI	10.1016/j.csl.2016.08.004
Cilt	42

مشاهده در منبع دانشگاه اوزیغین دانشگاه اوزیغین - موتور جستجوی آثار تاریخی، آرشیوها و نشریات

دانشگاه اوزیغین

جعل سیستم های تأیید صوت با ترکیب آماری گفتار با استفاده از داده های سازگاری محدود

نویسنده خدابخش، علی، محمدی، امیر، دمیروغلو، سنک

تاریخ انتشار 2017-03

محل انتشار - الزویر

موضوع سنتز گفتار آماری، ترکیب گفتار ترکیبی، سیستم های تأیید جعل، سازگاری با بلندگو، تشخیص گفتار مصنوعی

نوع دوره ای

زبان انگلیسی

دیجیتال بله

نسخه خطی خیر

کتابخانه دانشگاه اوزیغین

شناسه دارایی کتابخانه 0885-2308

شماره ثبت 973d3380-8171-488c-9eed-66c47f3d29be

محل کتابخانه مهندسی برق و الکترونیک

تاریخ 2017-03

متن نمونه پیشرفته‌ترین سیستم‌های تأیید سخنران در برابر حملات جعل با استفاده از سنتز گفتار آسیب‌پذیر هستند. برای حل این مشکل، آشکارسازهای گفتار مصنوعی (SSD) با کارایی بالا برای روش‌های حمله اخیراً پیشنهاد شده‌اند. در اینجا، برخلاف توسعه آشکارسازهای جدید، استراتژی‌های حمله جدید را بررسی می‌کنیم. انتظار می‌رود که بررسی تکنیک‌های جدیدی که به‌طور خاص برای حملات جعلی که می‌توانند سیستم تأیید صوت را جعل کنند و تشخیص آن دشوار است، طراحی شده‌اند، با ایجاد امکان توسعه آشکارسازهای بهتر، امنیت سیستم‌های تأیید صوت را افزایش دهد. ابتدا، ما آسیب‌پذیری یک سیستم تأیید مبتنی بر i-vector را در برابر حملات با استفاده از سنتز گفتار آماری (SSS) با تمرکز ویژه بر روی موردی که مهاجم تنها مقدار بسیار محدودی از داده‌ها از گوینده هدف داشته باشد، بررسی کردیم. حتی با یک گفتار انطباق، نرخ هشدار نادرست 23٪ بود. با این حال، گفتار تولید شده توسط SSS به راحتی قابل تشخیص است (Wu et al., 2015a, 2015b)، که به طور چشمگیری اثربخشی آن را کاهش می دهد. برای حملات مؤثرتر با داده‌های محدود، ما یک رویکرد ترکیبی ترکیبی آماری / ترکیبی را پیشنهاد می‌کنیم و نشان می‌دهیم که سنتز ترکیبی به طور قابل‌توجهی نرخ هشدار نادرست را در سیستم تأیید در مقایسه با روش SSS پایه افزایش می‌دهد. علاوه بر این، ترکیب ترکیبی پیشنهادی، تشخیص گفتار مصنوعی را در مقایسه با SSS دشوارتر می‌کند، حتی زمانی که مقدار بسیار محدودی از ضبط‌های گفتار اصلی در دسترس مهاجم باشد. برای افزایش بیشتر اثربخشی حملات، ما یک روش رگرسیون خطی را پیشنهاد می‌کنیم که ویژگی‌های مصنوعی را به ویژگی‌های طبیعی‌تر تبدیل می‌کند. حتی اگر رویکرد رگرسیون در جعل آشکارسازها مؤثرتر است، به اندازه رویکرد سنتز ترکیبی در جعل سیستم تأیید مؤثر نیست. یک رویکرد درونیابی برای ترکیب رگرسیون خطی و روش‌های سنتز ترکیبی پیشنهاد شده‌است که نشان داده شده است بهترین عملکرد جعل را در بیشتر موارد ارائه می‌دهد.

DOI 10.1016/j.csl.2016.08.004

Cilt 42