Pull to refresh

Comments 29

Как раз занимаюсь вопросом практической безопасности (точнее, опасности) авторизации по голосу.
Спасибо за материал, очень ценно!
image
И никто не пошутит про «Добавочный — три шестьдесят две»? :)
Отлично, сам юзаю вайвлет и метод отпечатков, а до кохонена никак руки не доходили. Спасибо, относительно просто отписали).
Скажите, а кроме голоса, будет ли Ваш метод анализировать другие звуковые шаблоны (скажем машинные звуки, или хлопки/щелчки например)?
Может. У меня даже были планы распознавать фонемы с целью распознавания речи. Но понял, что это одному не потянуть.
Я так понимаю, система никак не защищена от подделки в виде звучащего из динамика записанного голоса?
Если динамик будет выдавать голос на тех же частотах, что и оригинал, то никак.
ЕМНИП то спектаральная характеристика человеческого голоса гораздо шире, чем в спектральная характеристика частоп воспроизводимых динамиком. Чтобы добиться удовлетворительного результата, нужен оочень качественный динамик. Плюс учитывайте что микрофон вносит в искажения при усилении, соответственно усиление и так искаженного звука динамиком будет весьма отличаться от естесственного голоса. В принципе можно всем этим делом пренебречь и взять сферический динамик в вакууме, тогда xtelekom абсолютно прав и отличий не будет.
ЕМНИП то спектаральная характеристика человеческого голоса гораздо шире, чем в спектральная характеристика частоп воспроизводимых динамиком.

Стоп, как же это? Самая обычная звуковая система способна воспроизводить частоты от 50 Гц до 18 кГЦ, тогда как спектр человеческой речи лежит в пределах от 100 до 300 Гц. Или я чего-то не понял?
Я не правильно выразился. Хм, я имел ввиду то что спектры человеческого голоса, да и вообще звуков воспринимаемых человеком гораздо насыщенее нежели спектры воспроизводимые динамиками, пусть у них хоть от 6Гц до 25кГц. Плюс учитывайте тот момент что прежде чем воспроизвести необходимо этот сигнал закодировать. Хорошо, предположим что мы взяли один из популярных lossless форматов и воспроизводим закодированный звук с точностью до бита. Но, точность до бита позволяет добится вам максимальной отдачи при воспроизведение звука у когорого была качественная цифровая обработка с достаточным уровнем дискретизации. А если нет, то все это воспроизведение опять таки будет с искажениями. Проблема состоит в качественной оцифровке голоса, и выделении его составляющих из общего фона.
Качественная оцифровка стоит дорого, поэтому для массового продукта нужно вводить погрешность рассчитанную на микрофоны в ноутбуках и вебкамерах.
Иначе в требованиях к программе нужно указывать конкретные модели микрофонов с которыми ПО протестировано и выдаст предсказуемый результат.
Идентификация по биометрикам — зло:

— Зачастую слабая защищенность от replay атак
— Нет возможности «сменить пароль» при его компрометации
Поэтому я и забросил проект
Возможно вы в курсе, как же тогда лучше идентифицировать?
Если биометрия, то отпечаток пальца или еще лучше сетчатка глаза
В мифбастерсах показывали, как легко обходятся все датчики отпечатков.
Это лишь повод разработать новые, улучшенные датчики отпечатков, но никак не повод отказаться от идентификации пользователей по отпечаткам.
Каким образом вы хотите отличать отпечаток пальца (принадлежащий человеку) от отпечатка пальца (принадлежащего злоумышленнику)?
Я вижу единственный вариант «сильной» защиты голосом — если мы научились узнавать голос «вообще», то можно просить каждый раз произнести что-то другое. (совмещение каптчи и голосового распознавания).
О, кстати, сильная идея.
Что именно делает фильтр шумоподавления, приведенный в начале статьи?
image
Обрезает высокие частоты? И откуда получены такие коэффициенты?
Т.к. если это фильтр на базе преобразования Фурье, то неплохо бы привести вывод этой формулы, а иначе совсем непонятно что это за зверь и где его можно применить
Там же написано «Входной дискретный звуковой сигнал обрабатывается фильтрами», до фурье еще дело не дошло, там другие фильтры. Коэффициенты подобраны методом научного тыка, не мной, нашел в литературе.
Да, это я прочитал, что «сигнал обрабатывается фильтрами». Вопрос как раз в том, что делает этот фильтр, описываемый той формулой?
Фильтры бывают разные — усредняющие, полосовые и т.д.
Вот и интересно, что в конкретном случае делается со входным сигналом?
Не помню уже, 9 лет прошло. Помню что разложенный по фурье спектр после этого становился гораздо чище.
Как вы защищаетесь от записанного на диктофон голоса?
Читайте комменты выше, никак…
Биометрическая идентификация имеет свои ниши. К примеру, для автомобильных систем управляемых голосом, востребована идентификация, позволяющая системе выделять из голосов разных людей голос водителя и реагирующая только на него. Аналогично, игровая приставка должна различать голоса игроков и реагировать на них, к примеру изменением поведения их персонажей. Это примеры, в которых достаточно и не 100% идентификации.
Можно еще массово прослушивать телефоны и вылавливать голоса людей, которые находятся в розыске. Наверняка есть еще куча специфических примеров, так что всему свое место.
Sign up to leave a comment.

Articles