Elaboração de filtros Wavelets baseada em conhecimento para distinção de locutores autênticos e inautênticos
Autor(a) principal: | |
---|---|
Data de Publicação: | 2022 |
Tipo de documento: | Tese |
Idioma: | por |
Título da fonte: | Repositório Institucional da UNESP |
Texto Completo: | http://hdl.handle.net/11449/234753 |
Resumo: | Os sistemas para autenticação biométrica baseados em voz têm ganhado cada vez mais espaço. Entretanto, a possibilidade de falsificação dos sinais acústicos dos locutores, principalmente utilizando-se de regravações, tem sido um obstáculo para a maior usabilidade dos referidos mecanismos biométricos. Assim, este trabalho de doutorado apresenta uma inovação no sentido de detectar sinais de vozes regravados: a formulação de filtros wavelet dedicados para identificar os replay attacks, com base em conhecimento. A técnica proposta confere conhecimento aos filtros utilizando-se de casos-exemplo autênticos e inautênticos de sinais de voz, o que não possui precedentes na literatura. No bojo dos experimentos elaborados neste trabalho constam o desenvolvimento de filtros baseados em conhecimento abrangendo uma ampla gama de propriedades físicas dos sinais, destacando-se skewness e kustosis, produzindo filtros de resposta ao impulso finita com suportes 6, 8, 12 e 16. Do conjunto de experimentos realizados, pode-se destacar o resultado em taxas de erros iguais (EER) igual a 1,96% para o filtro produzido com a propriedade física skewness e com suporte 12, equiparando-se, numa abordagem regular de decomposição tempo-frequência, ao melhor resultado obtido com a base pública ASVSpoof 2017 e demonstrando, assim, a efetividade da contribuição para o estado-da-arte. |
id |
UNSP_1e0e7118a59a892dfd5e946f9c2bc575 |
---|---|
oai_identifier_str |
oai:repositorio.unesp.br:11449/234753 |
network_acronym_str |
UNSP |
network_name_str |
Repositório Institucional da UNESP |
repository_id_str |
2946 |
spelling |
Elaboração de filtros Wavelets baseada em conhecimento para distinção de locutores autênticos e inautênticosDevelopment of knowledge-based Wavelet filters to distinguish genuine and spoof speakersFiltros WaveletInteligência artificialVerificação de locutoresAtaque por reproduçãoWavelet Filter BanksArtificial intelligenceSpeaker verificationReplay attacksOs sistemas para autenticação biométrica baseados em voz têm ganhado cada vez mais espaço. Entretanto, a possibilidade de falsificação dos sinais acústicos dos locutores, principalmente utilizando-se de regravações, tem sido um obstáculo para a maior usabilidade dos referidos mecanismos biométricos. Assim, este trabalho de doutorado apresenta uma inovação no sentido de detectar sinais de vozes regravados: a formulação de filtros wavelet dedicados para identificar os replay attacks, com base em conhecimento. A técnica proposta confere conhecimento aos filtros utilizando-se de casos-exemplo autênticos e inautênticos de sinais de voz, o que não possui precedentes na literatura. No bojo dos experimentos elaborados neste trabalho constam o desenvolvimento de filtros baseados em conhecimento abrangendo uma ampla gama de propriedades físicas dos sinais, destacando-se skewness e kustosis, produzindo filtros de resposta ao impulso finita com suportes 6, 8, 12 e 16. Do conjunto de experimentos realizados, pode-se destacar o resultado em taxas de erros iguais (EER) igual a 1,96% para o filtro produzido com a propriedade física skewness e com suporte 12, equiparando-se, numa abordagem regular de decomposição tempo-frequência, ao melhor resultado obtido com a base pública ASVSpoof 2017 e demonstrando, assim, a efetividade da contribuição para o estado-da-arte.Speech authentication mechanisms have gained more and more space. Nevertheless, the possibility of spoofing speakers’ acoustic signals, mainly by using subsequent recordings, has been an obstacle to the practical application of biometric devices. Thus, this PhD thesis presents an innovation in the sense of detecting replayed speech: wavelet filters, to identify replay attacks, specified based on knowledge. Particularly, knowledge is incorporated to those filters by using original and replayed speech samples, exhibiting no precedents in the literature. In the heart of the experiments elaborated in this one, there was the development of work based on covering a wide range of physical properties of the signals, highlighting skewness and kustosis, producing finite impulse response filters with support-sizes 6, 8, 12 and 16. From the set of experiments, we can highlight the equal error rate (EER) of 1.96% for the filter produced with the physical property skewness and with support-size 12, matching the best result obtained with the public database ASVSpoof 2017, in an ordinary time-frequency decomposition, and demonstrating the effectiveness of the contribution to state-of-the-art.Universidade Estadual Paulista (Unesp)Guido, Rodrigo Capobianco [UNESP]Universidade Estadual Paulista (Unesp)Almeida, Alex Marino Goncalves de2022-05-17T18:19:51Z2022-05-17T18:19:51Z2022-04-01info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisapplication/pdfhttp://hdl.handle.net/11449/23475333004153073P2porinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UNESPinstname:Universidade Estadual Paulista (UNESP)instacron:UNESP2023-11-24T06:13:47Zoai:repositorio.unesp.br:11449/234753Repositório InstitucionalPUBhttp://repositorio.unesp.br/oai/requestopendoar:29462023-11-24T06:13:47Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)false |
dc.title.none.fl_str_mv |
Elaboração de filtros Wavelets baseada em conhecimento para distinção de locutores autênticos e inautênticos Development of knowledge-based Wavelet filters to distinguish genuine and spoof speakers |
title |
Elaboração de filtros Wavelets baseada em conhecimento para distinção de locutores autênticos e inautênticos |
spellingShingle |
Elaboração de filtros Wavelets baseada em conhecimento para distinção de locutores autênticos e inautênticos Almeida, Alex Marino Goncalves de Filtros Wavelet Inteligência artificial Verificação de locutores Ataque por reprodução Wavelet Filter Banks Artificial intelligence Speaker verification Replay attacks |
title_short |
Elaboração de filtros Wavelets baseada em conhecimento para distinção de locutores autênticos e inautênticos |
title_full |
Elaboração de filtros Wavelets baseada em conhecimento para distinção de locutores autênticos e inautênticos |
title_fullStr |
Elaboração de filtros Wavelets baseada em conhecimento para distinção de locutores autênticos e inautênticos |
title_full_unstemmed |
Elaboração de filtros Wavelets baseada em conhecimento para distinção de locutores autênticos e inautênticos |
title_sort |
Elaboração de filtros Wavelets baseada em conhecimento para distinção de locutores autênticos e inautênticos |
author |
Almeida, Alex Marino Goncalves de |
author_facet |
Almeida, Alex Marino Goncalves de |
author_role |
author |
dc.contributor.none.fl_str_mv |
Guido, Rodrigo Capobianco [UNESP] Universidade Estadual Paulista (Unesp) |
dc.contributor.author.fl_str_mv |
Almeida, Alex Marino Goncalves de |
dc.subject.por.fl_str_mv |
Filtros Wavelet Inteligência artificial Verificação de locutores Ataque por reprodução Wavelet Filter Banks Artificial intelligence Speaker verification Replay attacks |
topic |
Filtros Wavelet Inteligência artificial Verificação de locutores Ataque por reprodução Wavelet Filter Banks Artificial intelligence Speaker verification Replay attacks |
description |
Os sistemas para autenticação biométrica baseados em voz têm ganhado cada vez mais espaço. Entretanto, a possibilidade de falsificação dos sinais acústicos dos locutores, principalmente utilizando-se de regravações, tem sido um obstáculo para a maior usabilidade dos referidos mecanismos biométricos. Assim, este trabalho de doutorado apresenta uma inovação no sentido de detectar sinais de vozes regravados: a formulação de filtros wavelet dedicados para identificar os replay attacks, com base em conhecimento. A técnica proposta confere conhecimento aos filtros utilizando-se de casos-exemplo autênticos e inautênticos de sinais de voz, o que não possui precedentes na literatura. No bojo dos experimentos elaborados neste trabalho constam o desenvolvimento de filtros baseados em conhecimento abrangendo uma ampla gama de propriedades físicas dos sinais, destacando-se skewness e kustosis, produzindo filtros de resposta ao impulso finita com suportes 6, 8, 12 e 16. Do conjunto de experimentos realizados, pode-se destacar o resultado em taxas de erros iguais (EER) igual a 1,96% para o filtro produzido com a propriedade física skewness e com suporte 12, equiparando-se, numa abordagem regular de decomposição tempo-frequência, ao melhor resultado obtido com a base pública ASVSpoof 2017 e demonstrando, assim, a efetividade da contribuição para o estado-da-arte. |
publishDate |
2022 |
dc.date.none.fl_str_mv |
2022-05-17T18:19:51Z 2022-05-17T18:19:51Z 2022-04-01 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/doctoralThesis |
format |
doctoralThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/11449/234753 33004153073P2 |
url |
http://hdl.handle.net/11449/234753 |
identifier_str_mv |
33004153073P2 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Universidade Estadual Paulista (Unesp) |
publisher.none.fl_str_mv |
Universidade Estadual Paulista (Unesp) |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UNESP instname:Universidade Estadual Paulista (UNESP) instacron:UNESP |
instname_str |
Universidade Estadual Paulista (UNESP) |
instacron_str |
UNESP |
institution |
UNESP |
reponame_str |
Repositório Institucional da UNESP |
collection |
Repositório Institucional da UNESP |
repository.name.fl_str_mv |
Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP) |
repository.mail.fl_str_mv |
|
_version_ |
1797789802303586304 |