Двофакторна автентифікація на основі методу KWS та голосової верифікації

Анотація

Предметом статті є розробка та оцінка двофакторного методу автентифікації мовця на основі ідентифікації голосового
відбитка та верифікації ключових слів (KWS), призначеного для безпечного голосового доступу в інтерфейсах
«людина-машина», особливо для користувачів з обмеженою мобільністю. Метою роботи є створення методу управління
автентифікацією мовця з використанням конволюційних нейронних мереж (CNN), порівняння ефективності двох широко
використовуваних методів вилучення спектральних ознак – спектрограм Мел-частотних кепстральних коефіцієнтів (MFCC)
та короткочасного перетворення Фур'є (STFT). У статті вирішено такі завдання: запропоновано модель двофакторного
методу автентифікації, що включає ідентифікацію мовця та розпізнавання голосового пароля; порівняно якість ознак
спектрограм MFCC та STFT; оцінено вплив кількості епох, архітектури CNN та параметрів навчання на точність системи;
досліджено вплив частоти дискретизації на продуктивність моделей. Використовуються такі методи: методи глибокого
навчання з архітектурою CNN, точне налаштування, вилучення ознак MFCC та STFT, математичний та статистичний аналіз
ефективності навчання та показники продуктивності системи. Отримано такі результати: метод досяг 97,95% точності
в ідентифікації мовця за допомогою MFCC після 60 епох навчання та 99,82% точності в перевірці голосового пароля
за допомогою тієї ж структури CNN після 20 епох. Середня точність всього процесу автентифікації становила 98,75%.
Більше того, використання MFCC-ознак дозволило скоротити час навчання в 23 рази, а споживання пам'яті – в 7 разів
порівняно зі спектрограмами STFT. Висновки: було реалізовано та досліджено ефективність двофакторного методу
голосової автентифікації, що поєднує ідентифікацію мовця за акустичними характеристиками голосу та перевірку
голосового пароля. Подальші напрямки досліджень включають вивчення впливу альтернативних спектральних
характеристик (зокрема, CQCC, GFCC, просодичних параметрів) на підвищення точності та стійкості до підробки.
Особлива увага буде приділена оптимізації моделі для енергоефективного використання на портативних пристроях.