人工音声による話者認識器詐称防止に関する研究

点击翻译按钮获取中文摘要

未来に到達するIoT（Internet of Things）時代におけるセキュリティ強化として生体情報を用いた個人認証が注目されている。特に、音声による個人認証（話者認識）は利便性が高く有効な個人認証方法の一つであると言える。しかし、音声合成技術の飛躍的な進歩により人工音声による話者認識器詐称が危惧されている。本研究では、人工音声による話者認識機器詐称の対策手法に関し研究を進める。申請期間内に日本語の人工音声コーパスを作成し申請期間終了時に一般公開する。人工音声による話者認識器詐称の対策方法の高精度化を進めるため、人工音声と実音声の相違点を明確にするとともに、人工音声による話者認識器詐称の対策手法に関して、特徴量空間の観点および判別モデルの観点で研究を進め、高精度な詐称防止方法を確立させる。2021年度までに日本音響学会により構築された「新聞記事読み上げ音声コーパス (JNAS)」を用いた「人工音声コーパス」の構築方法および音声データを確立し、構築したコーパスを用いた人工音声に対するi-vectorを用いた話者認識実験を実施した。実験結果より、人工音声がi-vectorおよび深層学習を用いたResNetを基盤とした話者認識器を高確率で詐称することが可能であることを明確にした。2022年度では、話者認識の前に人工音声と実音声を判別することを検討した。人工音声と実音声の判別には深層学習を用いた。人工音声・実音声の判別には人工音声作成方法が既知の場合には高確率で判別可能であることを明確にしたが、未知の場合にはまだ検討が必要であることが明確になった。人工音声を判別し話者認識の前に棄却することにより、詐称者受理を軽減することも明確になった。