پس پردازش گفتار مصنوعی با یک رمزگذار صوتی پیچیده سپستروم برای جعل آشکارسازهای گفتار مصنوعی مبتنی بر فاز
| عنوان | پس پردازش گفتار مصنوعی با یک رمزگذار صوتی پیچیده سپستروم برای جعل آشکارسازهای گفتار مصنوعی مبتنی بر فاز |
|---|---|
| نویسنده | دمیروغلو، سنک، بویوک، او.، خدابخش، علی، مایا، ر. |
| تاریخ انتشار: | 2017-06 |
| محل انتشار | - IEEE |
| موضوع | جعل، تأیید بلندگو، تشخیص گفتار مصنوعی، سپستروم پیچیده، سنتز گفتار، تبدیل صدا |
| نوع | دوره ای |
| زبان | انگلیسی |
| دیجیتال | بله |
| نسخه خطی | خیر |
| کتابخانه: | دانشگاه اوزیغین |
| شناسه دارایی کتابخانه | 1932-4553 |
| شماره ثبت | c1d66c1e-bdf9-42ed-9e49-7cdec5d5a96e |
| محل کتابخانه | مهندسی برق و الکترونیک |
| تاریخ | 2017-06 |
| یادداشتها | با توجه به محدودیت های کپی رایت، دسترسی به متن کامل این مقاله تنها از طریق اشتراک امکان پذیر است. |
| متن نمونه | پیشرفته ترین سیستم های تایید بلندگو در برابر حملات جعل آسیب پذیر هستند. برای رسیدگی به این مشکل، آشکارسازهای گفتار مصنوعی (SSD) با کارایی بالا برای روشهای جعل موجود پیشنهاد شدهاند. SSDهای مبتنی بر فاز که از این واقعیت استفاده می کنند که اکثر کدگذارهای گفتار پارامتریک از فیلترهای حداقل فاز استفاده می کنند، به ویژه زمانی موفق هستند که گفتار مصنوعی با یک صداگذار پارامتری تولید شود. در اینجا، ما یک استراتژی حمله جدید برای جعل SSD های مبتنی بر فاز با هدف افزایش امنیت سیستم های تأیید صوت با ایجاد امکان توسعه SSD های عمومی تر پیشنهاد می کنیم. بر خلاف سایر صداگذارهای پارامتریک، رویکرد سپستروم پیچیده از فیلترهای فاز مخلوط استفاده میکند که آن را به یک کاندید ایدهآل برای جعل SSDهای مبتنی بر فاز تبدیل میکند. ما پیشنهاد می کنیم از یک رمزگذار صوتی پیچیده به عنوان پس پردازشگر برای تکنیک های موجود برای جعل سیستم تأیید بلندگو و همچنین SSD های مبتنی بر فاز استفاده کنیم. هنگامی که گفتار مصنوعی با سنتز گفتار یا تکنیک تبدیل صدا تولید می شود، برای هر فریم گفتار مصنوعی، یک فریم طبیعی از پایگاه داده آموزشی با استفاده از اندازه گیری فاصله طیفی انتخاب می شود. سپس از پارامترهای پیچیده سپستروم قاب طبیعی برای سنتز مجدد قاب مصنوعی استفاده می شود. در روش پیشنهادی، سنتز پیچیده مبتنی بر سپستروم به عنوان پس پردازشگر استفاده می شود. از این رو، می توان آن را همراه با هر تولید کننده گفتار مصنوعی استفاده کرد. نتایج تجربی نشان داد که این رویکرد در جعل چهار SSD مبتنی بر فاز در 9 الگوریتم حمله پارامتریک موفق است. علاوه بر این، عملکرد در جعل کردن سیستم تأیید بلندگو در مقایسه با حالتی که هیچ پسپردازندهای استفاده نمیشود، بهطور قابلتوجهی کاهش نیافته است. |
| DOI | 10.1109/JSTSP.2017.2673807 |
| Cilt | 11 |
