[发明专利]跨域语音鉴伪方法和系统

说明书

本发明提供了一种跨域语音鉴伪方法和系统，该方法包括：对真假语音数据中的说话人身份和语音分别进行伪造处理，得到伪造语音样本；对真假语音数据和伪造语音样本进行特征提取，得到样本语音特征，将样本语音特征输入端到端模型进行语音分类；根据样本语音特征的真伪标签和语音分类结果对端到端模型进行参数更新，将待测语音输入收敛后的端到端模型进行语音鉴伪，得到跨域语音鉴伪结果。本发明通过对真假语音数据中的说话人身份和语音分别进行伪造处理，能有效地降低了真假语音数据和伪造语音样本之间域失配的问题，提高了样本的跨域类型的多样性，使得训练后的端到端模型能有效地对不同域的待测语音进行语音鉴伪，提高了跨域语音鉴伪的准确性。

技术领域

本发明涉及语音检测技术领域，尤其涉及一种跨域语音鉴伪方法和系统。

背景技术

语音是人机交互和生物识别验证中最自然和最方便的手段之一。在某些特定情况下，如电话会议中，语音可能是唯一可用的生物识别技术。自动说话人验证系统可以提供一种可靠的声纹验证手段，但声纹验证手段并非没有安全和隐私问题，而如何获得安全可靠的声纹验证系统是目前语音深度伪造检测领域的一大挑战。

声纹验证系统中的安全性问题主要与通过深度伪造的语音可对声纹验证系统进行欺骗攻击的成功的可能性有关。不法分子可利用与特定说话人十分相似的操作后的伪造语音对声纹验证系统进行欺骗攻击，以获得对受保护的服务或资源的非法访问。与此同时，深度伪造语音的方法也在迅猛发展，它的可获得性也更加容易，如果没有足够的保护，欺骗攻击可能会大大降低声纹验证系统的安全性与可靠性，因此，语音鉴伪方法越来越受人们所重视。

现有的语音鉴伪过程中，一般基于语音鉴伪模型进行语音的鉴伪，但现有的语音鉴伪模型训练过程中，训练数据存在域失配问题，导致训练后的语音鉴伪模型准确性低下，降低了语音鉴伪的准确性。

发明内容

本发明实施例的目的在于提供一种跨域语音鉴伪方法和系统，旨在解决现有的语音鉴伪准确性低下的问题。

本发明实施例是这样实现的，一种跨域语音鉴伪方法，所述方法包括：

获取真假语音数据，并对所述真假语音数据中的说话人身份和语音分别进行伪造处理，得到伪造语音样本；

对所述真假语音数据和所述伪造语音样本进行特征提取，得到样本语音特征，并将所述样本语音特征输入端到端模型进行语音分类；

根据所述样本语音特征的真伪标签和所述语音分类结果对所述端到端模型进行参数更新，直至所述端到端模型收敛；

将待测语音输入收敛后的所述端到端模型进行语音鉴伪，得到跨域语音鉴伪结果。

优选的，所述对所述真假语音数据中的说话人身份和语音分别进行伪造处理，包括：

分别获取所述真假语音数据中各真假语音样本的语速，并对各真假语音样本的语速进行速度扰动，得到语音扰动样本，所述速度扰动用于对各真假语音样本对应的说话人身份进行伪造；

将各真假语音样本与各语音扰动样本进行全局混合，得到所述伪造语音样本，所述全局混合用于对各真假语音样本和各语音扰动样本的语音类别进行伪造。

优选的，所述对所述真假语音数据和所述伪造语音样本进行特征提取，包括：

分别对所述真假语音数据和所述伪造语音样本进行采样，得到采样语音，并根据各采样语音的语音时长进行语音截断处理或语音补全处理，得到固定时长语音；

将各固定时长语音输入所述端到端模型中的带通滤波器组进行特征卷积处理，得到所述样本语音特征，所述带通滤波器组包括梅尔刻度初始化后的至少一个带通滤波器。

优选的，所述端到端模型包括带通滤波器组、残差模块、通道注意力模块、时域注意力模块、频域注意力模块、池化层和分类器。