[发明专利]一种基于深度密集网络的语音变形检测方法

说明书

本发明涉及一种基于深度密集网络的语音变形检测方法，其特征在于先构建基于卷积神经网络的深度密集学习网络结构，而后使用小批迭代随机梯度下降对所述网络结构的交叉熵误差进行训练，最后将待测语音的时频特征输入到已经训练好的深度密集网络结构中，网络结构中softmax层通过伪装因子来判断待测语音的真伪并识别出伪装语音对应使用的伪装工具，从而输出检测结果。该方法不但可以识别待测语音是原始语音还是经过变形伪装的语音，还可以分类出变形语音的同时进一步检测出变形伪装的工具。

技术领域

本发明涉及信息安全技术领域，更具体地说，本发明涉及一种基于深度密集网络的语音变形检测方法。

背景技术

随着计算机及其它信息技术的发展。不少音频处理软件程序，如Audacity、CoolEdit、PRAAT、基于matlab工具的实时迭代谱图(Real-Time Iterative Spectrogram,RTIS)算法、通过语音变形，广泛应用于音频取证、娱乐、隐私保护等领域,这些软件产品的滥用也增加了基于语音的非法行为，如网上欺诈、语音支付、电话聊天等。人们很容易就可以在个人电脑或智能手机上把自己的录音伪装成另外的声音并发放出去，使得说话人的声音实时变化之后传输出去，这样接听方就无法听出说话人的身份。犯罪分子就可以轻松地利用这些工具伪装自己或他人的声音，从而欺骗自动说话人验证(automatic speakerverification，ASV)系统或隐藏说话人的真实身份，为社会带来严重且深远的安全问题。因此，检测语音是否经过变形是至关重要的。

1)目前，针对ASV系统的语音伪装研究层出不穷。欺骗性语音包括语音转换(VoiceConversion)、语音合成(Speech Synthesis)及重录语音等欺骗性语音很容易欺骗ASV系统,已经被很多研究人员证实了。虽然一些自动说话人验证研究团体正在提出相应的预防对策，但容易混淆真假语音的漏洞很大程度上仍然是未知的。说话人验证系统对不同欺骗攻击还存在一些漏洞，ASV系统的防攻击能力还有待进一步提高。

发明内容

本发明针对现有技术的不足，提供一种基于深度密集网络的语音变形检测方法；该方法不但可以识别待测语音是原始语音还是经过变形伪装的语音，还可以分类出变形语音的同时进一步检测出变形伪装的工具。

为了达到上述目的，本发明一种基于深度密集网络的语音变形检测方法，主要包括以下步骤：

首先，构建基于卷积神经网络的深度密集学习网络结构，所述网络结构的每个卷积层都会接受其前面所有卷积层作为其额外的输入，并且每个卷积层的输入都是其上一个卷积层的输出；

其次，使用小批迭代随机梯度下降对所述网络结构的交叉熵误差进行训练，所述网络结构在输入时频图前，会对语音数据进行预处理，假设x₀是原始语音的音高，a是伪装因子，x为变形语音，可以得出

x＝2^α/12·x₀；

伪装因子的取值为[-11，11]中的任意整数，之后再对数据进行标准化处理，标准化公式为

其中E[x]是特征均值，Var[x]是特征方差；

第三，将待测语音的时频特征输入到已经训练好的深度密集网络结构中，网络结构中softmax层通过伪装因子来判断待测语音的真伪并识别出伪装语音对应使用的伪装工具，从而输出检测结果。

作为上述方案的进一步改进，所述softmax层在检测输出前加入了一个全局均值池化层。

作为上述方案的进一步改进，所述伪装工具包括Audacity、Cool Edit、PRAAT和RTISI。

本发明不但可以识别待测语音是原始语音还是经过变形伪装的语音，还可以分类出变形语音的同时进一步检测出变形伪装的工具。该方法识别判断不仅精度高效果好，而且通用性强。