音声による話者照合システムの安全性に関する検討

基于语音的说话人验证系统的安全性研究

• 批准号: 11750311
• 负责人: 益子 貴史
• 金额: $ 1.22万
• 依托单位: Tokyo Institute of Technology
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Encouragement of Young Scientists (A)
• 财政年份: 1999
• 资助国家: 日本
• 起止时间: 1999 至 2000
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-11750311/
• 关键词: 話者照合; 安全性; 音声合成; 詐称; HMM

近年、音声による個人認証システムである話者照合システムの研究が行われており、オンラインショッピングや電話を用いた銀行取引における本人照合などへの応用が考えられている。音声を本人確認のためのキーとして用いる場合は、いかに本人以外の音声を受理する誤り(受理誤り率)を減らすかが重要となるが、現在のところ、他人の音声やテープレコーダを用いた詐称については考慮されているものの、音声合成システムを用いた詐称に対してはほとんど考慮されていなかった。これに対し、昨年度までの結果より、隠れマルコフモデル(HMM)に基づく音声合成システムを話者照合システムの登録話者による少量の音声を用いて学習することにより、HMM音声合成システムによる合成音声がテキスト指定型話者照合システムに高い確率で受理されることが確認されている。そこで、今年度はHMM音声合成システムによる合成音声を判別する手法の検討を行った。ガウス混合モデル(GMM)に基づく話者照合システムにおいて、HMM音声合成システムから得られた合成音声には、通常の音声と比較してGMMに対する分析フレーム毎の対数尤度の変動が少ないという特徴が見られた。そこで、入力音声のGMMに対するフレーム尤度の変動量の平均をパラメータとして合成音声かどうかの判定を行う合成音声判別部を構築した。この合成音声判別部を話者照合システムに導入することにより、通常の音声に対する棄却誤り率を低く抑えながら、HMM音声合成システムによる合成音声に対する受理誤り率を大きく低下させることができた。今後の課題として、波形接続に基づく音声合成手法など、他の枠組の音声合成システムによる合成音声へに対する検討が挙げられる。

In recent years, the voice of the individual authentication system, the phone photo system research and development, the phone, the bank access, the personal photo system, the application system research and development. The sound of the voice is confirmed by the user, and the sound of the voice other than the user is accepted. The error rate of acceptance is reduced. It is important to consider the sound of the voice other than the user, and the sound of the voice other than the user. For example, the results of the previous year's survey showed that the number of users of voice synthesis system (HMM) was small, and the accuracy rate of acceptance of voice synthesis system was high. This year, HMM voice synthesis method is discussed. GMM is the basic method for analyzing the sound quality of a voice. GMM is the method for analyzing the sound quality of a voice. A synthetic sound determination unit is constructed for determining the average momentum of the incoming sound. The synthesized sound discrimination unit has a low error rate for the introduction of the speech synthesis system, a low error rate for the normal speech synthesis system, and a high error rate for the acceptance of the synthesized sound synthesis system. In the future, the problem of waveform synthesis is discussed.

项目成果

益子貴史,小林隆夫,徳田恵一: "スペクトルとピッチに基づく話者照合に対する音声合成による詐称の検討"日本音響学会2000年春季研究発表会. 101-102 (2000)

Takashi Mashiko、Takao Kobayashi、Keiichi Tokuda：“基于频谱和音调的语音合成欺骗研究”2000 年日本声学学会春季会议 101-102 (2000)。

佐藤隆之,益子貴史,小林隆夫,徳田恵一: "合成音声に対する安全性を考慮したテキスト指定型話者照合システムの検討"日本音響学会2001年春季研究発表会. 7-8 (2001)

Takayuki Sato、Takashi Mashiko、Takao Kobayashi、Keiichi Tokuda：“考虑合成语音安全性的文本特定说话人验证系统的研究”日本声学学会 2001 年春季研究会议 (2001)。

益子貴史,徳田恵一,小林隆夫: "話者照合システムに対する合成音声による詐称"電子情報通信学会論文誌. J83-D-II-11. 2283-2290 (2000)

Takashi Mashiko、Keiichi Tokuda、Takao Kobayashi：“使用合成语音进行说话人验证系统的欺骗”，电子、信息和通信工程师学会汇刊 J83-D-II-11 (2000)。

Takashi Masuko,Keiichi Tokuda,Takao Kobayashi: "Imposture using synthetic speech against text-prompted speaker verification based on spectrum and pitch"Proceedings of 6th International Conference on Spoken Language Processing. II. 302-305 (2000)

Takashi Masuko、Keiichi Tokuda、Takao Kobayashi：“基于频谱和音调的基于文本提示的说话人验证的合成语音欺骗”第六届国际口语处理会议论文集。

益子貴史,徳田恵一,小林隆夫: "スペクトルとピッチに基づくテキスト指定型話者照合に対する合成音声による詐称"電子情報通信学会技術研究報告. 100-392. 21-26 (2000)

Takashi Mashiko、Keiichi Tokuda、Takao Kobayashi：“使用合成语音进行基于频谱和音调的特定文本说话人匹配的欺骗”IEICE 技术报告 100-392 (2000)。