[发明专利]基于隐马尔科夫模型的统计语音合成方法及装置

说明书

一种基于隐马尔科夫模型的统计语音合成方法及装置，通过生成关联多模态的自然语言问题，根据自然语言问题生成相应图片并加入干扰元素，根据问题文本，使用基于HMM的语音合成方法的多模态验证码合成语音并加入噪声，本发明将验证码的模式从单模态提升到互相之间有语义关联的多模态，进一步增进现有验证码对于人类和计算机的区分性，提升互联网验证系统的人机区分度，加强安全性能。

技术领域

本发明涉及的是一种中文多模态验证码。尤其是基于隐马尔科夫模型的统计语音合成的多模态验证码以及通过自然语言语义连接不同模态(图片和声音)的信息。

背景技术

验证码的全称是全自动区分计算机和人类的公开图灵测试，是一种用来区分用户是否是人类的测试。其实现机制是由计算机程序自动生成一个问题由用户来解答，这个问题的能由人类解答，但是计算机不能解答。因此用户能够回答出问题，就被认为是人类。验证码的特点还包括可以由计算机程序全自动生成，其答案可以由计算机评判正误。

验证码的作用在于有效防止利用技术手段进行大量自动化的操作，保护服务器的计算资源和安全：例如防止网站的批量注册，防止大规模网上发帖、发广告和垃圾信息，防止密码被暴力破解，防止网站被恶意攻击等等。所以在互联网安全领域，验证码的应用十分广泛。近年来由于在线支付的发展，涉及到金钱交易的登录系统越来越多，也增大了破解登录系统验证码的诱惑。许多个人和商业公司，用不同的方法在尝试破解验证码，这就给网站的安全和用户的隐私带来了隐患。

目前，验证码主要有识别图像中的文字、识别语音中的文字和回答验证问题等几种形式。大部分的网站采用图片验证码，即通过程序随机生成一个字符串，可以是英文、中文或者数字，将该字符串生成为图片交由用户识别。用户将肉眼识别的结果提交到服务器，如果提交的字符串和原始生成的字符串一致，就通过了此次验证码测试。语音验证码同理，只不过给用户识别的媒介是字符串发音的音频。通常来说，为了防止机器识别，图片验证码需要对字符串文本做出变形，并加入噪点；语音验证码需要加入背景音、噪音。

经过现有的技术检索发现，中国专利公开号CN101420305A，公开了一种“语音验证码的实现方法”。该方法使用提前录制的英文字母和数字音频组合成为验证音频。该方法的缺陷在于：第一是在国内无法广发应用，大众对英文字母的识别率并不高；第二是由单个语音元素直接组合，并且语音元素数量太少，目前的语音识别系统已经对此类音频有了良好的识别效果。

中国专利公开号CN101662365A，公开了一种“中文语音验证码的生成方法”，其中验证音频文件是由验证码基本信息数据库中抽取并合成，添加干扰的背景音，再进行变调(回声)处理。该方法的缺陷在于，由数据库中抽取的音频文件，发音不可变，有可能通过降噪处理之后进行准确识别。

中国专利公开号CN1980128A，公开了一种“互联网用户验证的方法和系统”。其中验证码的实现方案是，按照人类自然语言理解的机制产生验证问题，用户理解该验证问题并通过人工思考产生答案。此方法缺少随机性，有可能通过不断刷新验证页面，获取大量的验证问题，即爬取问题数据库，被暴力破解。

中国专利公开号CN102567655A，公开了一种“机器人外挂检测系统及方法”。其中问题生成模块在服务器端，根据当前的用户信息(问题的答案)，如用户在游戏中的经验值，通过自然语言生成方法随机自动生成问题，并由语音合成模块将问题从文本转换成语音，传送到客户端。此方法对同一个问题来说，不同用户的答案不同，因此不具备作为普适的验证码的特点。

发明内容

本发明针对现有技术存在的上述不足，提出一种基于隐马尔科夫模型的统计语音合成方法及装置，将验证码的模式从单模态提升到互相之间有语义关联的多模态，进一步增进现有验证码对于人类和计算机的区分性，提升互联网验证系统的人机区分度，加强安全性能。

本发明是通过以下技术方案实现的：