一種人類聲紋生物密鑰生成方法
【專利摘要】本發(fā)明提出了一種聲紋生物密鑰生成方法。本發(fā)明將聲紋特征序列向高維空間中投影，在高維空間中將特征序列穩(wěn)定到可接受的波動(dòng)范圍內(nèi)，再對穩(wěn)定后的特征序列編碼，從編碼中提取生物密鑰。整個(gè)方法在待認(rèn)證用戶端、認(rèn)證服務(wù)器端均無需記錄用戶聲紋模板，用戶通過采集自身的語音在本地生成（用戶名、密鑰）對，通過（用戶名、密鑰）對衍生的各種認(rèn)證方法進(jìn)行網(wǎng)絡(luò)身份認(rèn)證。聲紋生物密鑰不僅可以用于網(wǎng)絡(luò)身份認(rèn)證，更可以用于加密各種用戶私有數(shù)據(jù)，安全方便。用戶無需記憶冗長的密碼，同時(shí)又能獲得足夠長度的密鑰序列。本發(fā)明提取正常人類聲紋生物密鑰的密鑰長度可大于256bit。
【專利說明】一種人類聲紋生物密鑰生成方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于信息安全【技術(shù)領(lǐng)域】，具體涉及一種從人類聲紋中經(jīng)由高維空間轉(zhuǎn)換直接提取穩(wěn)定生物密鑰的方法，其能夠?yàn)榫W(wǎng)絡(luò)身份認(rèn)證提供一種新的認(rèn)證方法和思路。
【背景技術(shù)】
[0002]聲紋識(shí)別技術(shù)是現(xiàn)今比較成熟的生物特征識(shí)別技術(shù)，在低噪音環(huán)境中聲紋識(shí)別準(zhǔn)確率可達(dá)到95%以上?；诼暭y的網(wǎng)絡(luò)身份認(rèn)證技術(shù)，其基本方法為:1)采集用戶語音信號(hào)，經(jīng)語音信號(hào)處理提取用戶聲紋特征，生成聲紋特征模板，存儲(chǔ)在遠(yuǎn)端網(wǎng)絡(luò)認(rèn)證服務(wù)器中；2)當(dāng)某用戶需要進(jìn)行身份認(rèn)證時(shí)，再次采集用戶語音信號(hào)，提取用戶聲紋特征；3)將用戶聲紋特征與認(rèn)證服務(wù)器中的相應(yīng)用戶聲紋特征模板進(jìn)行比對，一致則認(rèn)證通過，不一致則認(rèn)證失敗。
[0003]這一經(jīng)典的網(wǎng)絡(luò)身份認(rèn)證模型需要在認(rèn)證服務(wù)器端存儲(chǔ)用戶語音，或者用戶聲紋特征模板。采集用戶語音存儲(chǔ)在認(rèn)證服務(wù)器中，不方便并且會(huì)消耗比較大的服務(wù)器資源。月艮務(wù)器需要開辟語音通道接收用戶的語音流，這增加了整套認(rèn)證系統(tǒng)的復(fù)雜性。也阻礙了聲紋認(rèn)證在網(wǎng)絡(luò)認(rèn)證服務(wù)中的運(yùn)用。
[0004]曾經(jīng)有科研工作者嘗試過直接從聲紋中提取生物密鑰。如中國發(fā)明專利ZL201110003202.8基于聲紋的文檔加密及解密方法，提出了一個(gè)從聲紋信息中提取穩(wěn)定密鑰序列的方案。但是該方案僅用棋盤法穩(wěn)定聲紋特征值，穩(wěn)定效果有限。并且棋盤法事實(shí)是通過縮小編碼空間來穩(wěn)定特征值，如1024的值空間映射為16的值空間，這使得密鑰序列的長度縮短，降低了安全性。

【發(fā)明內(nèi)容】

[0005]本發(fā)明提出了一種聲紋生物密鑰生成方法。方法將聲紋特征序列向高維空間中投影，在高維空間中將特征序列穩(wěn)定到可接受的波動(dòng)范圍內(nèi)，再對穩(wěn)定后的特征序列編碼，從編碼中提取生物密鑰。整個(gè)方法在待認(rèn)證用戶端、認(rèn)證服務(wù)器端均無需記錄用戶聲紋模板，用戶通過采集自身的語音在本地生成(用戶名、密鑰)對，通過(用戶名、密鑰)對衍生的各種認(rèn)證方法進(jìn)行網(wǎng)絡(luò)身份認(rèn)證。聲紋生物密鑰不僅可以用于網(wǎng)絡(luò)身份認(rèn)證，更可以用于加密各種用戶私有數(shù)據(jù)，安全方便。用戶無需記憶冗長的密碼，同時(shí)又能獲得足夠長度的密鑰序列。本發(fā)明提取正常人類聲紋生物密鑰的密鑰長度可大于256bit。
[0006]聲紋生物密鑰提取分兩部分，第一部分為聲紋生物密鑰訓(xùn)練部分，第二部分為聲紋生物密鑰提取部分。
[0007]聲紋生物密鑰訓(xùn)練部分具體步驟為:
[0008]第一步，用戶錄取自身語音，10秒以上。
[0009]第二步，從錄取語音中提取MFCC系數(shù)(Mel頻率倒譜系數(shù));用MFCC系數(shù)訓(xùn)練用戶GMM高斯混合模型，取混合數(shù)為8?32階，階數(shù)可由用戶根據(jù)經(jīng)驗(yàn)選定，記為N。
[0010]第三步，混合數(shù)為N的高斯混合模型由N個(gè)高維高斯分布組成，取每一個(gè)高斯分布的均值向量，組成NX 20維的矩陣，20為MFCC系數(shù)個(gè)數(shù)。高斯混合模型對應(yīng)每一個(gè)高維高斯分布有一個(gè)權(quán)值，組合在一起為I XN維的權(quán)值向量，記為λ，在用戶端存儲(chǔ)λ。
[0011]第四步，將ΝΧ20維矩陣擴(kuò)展為2個(gè)矩陣，LXL維的隨機(jī)誤差方陣EX，LXL維的標(biāo)準(zhǔn)值方陣EY，L>N and L>20。
[0012]第五步，求解EX的廣義逆矩陣，記為IEX，將IEX左乘矩陣EY得到高維空間投影矩陣ΡΕΧ=ΙΕΧΧΕΥ，在用戶端存儲(chǔ)投影矩陣ΡΕΧ。
[0013]第六步，選取標(biāo)準(zhǔn)值方陣EY的前NXD個(gè)分量組成矩陣T，1〈D〈20。對T的每一個(gè)分量進(jìn)行一次棋盤法運(yùn)算、正整數(shù)轉(zhuǎn)化，得結(jié)果矩陣Tl。
[0014]第七步，設(shè)定一個(gè)η階的多項(xiàng)式函數(shù)，形如
[0015]f (X) =a0+a1*x+a2>l<x2+a3*x3+.* * +an*xn,
[0016]η為階數(shù)，a0~an e正整數(shù)，其值域范圍為O~224,即每個(gè)系數(shù)有24bit ;將矩陣Tl的每一個(gè)分量代入f (X)，計(jì)算后得結(jié)果矩陣T2，T2為正整數(shù)矩陣。在用戶端存儲(chǔ)T2及η值。
[0017]聲紋生物密鑰訓(xùn)練完成。
[0018]聲紋生物密鑰提取部分具體步驟為:
[0019]第一步，用戶錄取自身語音，3秒左右。
[0020]第二步，從錄取語音中提取MFCC系數(shù)(Mel頻率倒譜系數(shù))；依據(jù)聲紋生物密鑰訓(xùn)練時(shí)存儲(chǔ)的λ，訓(xùn)練用戶GMM高斯混合模型，取混合數(shù)階數(shù)與聲紋生物密鑰訓(xùn)練時(shí)一致，記為N。
[0021]第三步，取每一個(gè)高斯分布的均值向量，組成ΝΧ20維的矩陣。
[0022]第四步，將ΝΧ20維矩陣擴(kuò)展為NXL維矩陣，記為EC，擴(kuò)展方法與聲紋生物密鑰訓(xùn)練階段擴(kuò)展方法保持一致。
[0023]第五步，將EC左乘ΡΕΧ，得NX L維矩陣，取矩陣前NXD個(gè)分量組成矩陣；對矩陣的每一個(gè)分量進(jìn)行一次棋盤法運(yùn)算及正整數(shù)轉(zhuǎn)化，方法與聲紋生物密鑰訓(xùn)練時(shí)一致，得矩陣ED。
[0024]第六步，從矩陣ED中選取η+2個(gè)分量值，排序；從存儲(chǔ)的Τ2矩陣中選取η+2個(gè)分
量值，排序。
[0025]將兩組排序結(jié)果依次配對，組成(ζ，f (Z))的形式，z為ED中選取的值，f (Z)為T2中選取的值。
[0026]將η+2 個(gè)(z, f(z))對,代入函數(shù) f (z) =a0+a1^z+a2^z2+ao^z3+'"' +an*zn,生成 η+2 個(gè)線性方程，其中，a0~8?為n+1個(gè)未知數(shù)，a0~an e正整數(shù)。
[0027]如方程組有唯一解，則解得的(?,?,?,?, <_，an)組成的數(shù)字序列即為提取的聲紋生物密鑰；如方程組沒有唯一解，則從矩陣ED、T2中重新選取η+2個(gè)分量，組成(z，f (z))對，再次嘗試解方程組；遍歷ED、T2的所有η+2個(gè)分量的排列組合，解得聲紋生物密鑰。密鑰序列長度為24X(n+l)bit。
[0028]本發(fā)明的有 益效果:本發(fā)明提出了一種聲紋生物密鑰生成方法?？梢愿淖儌鹘y(tǒng)的網(wǎng)絡(luò)生物特征身份認(rèn)證模式，認(rèn)證服務(wù)器無需存儲(chǔ)用戶的任何語音信息，只對用戶提供的密鑰進(jìn)行認(rèn)證，而密鑰是由用戶聲紋信息唯一生成的。該方法可以使網(wǎng)絡(luò)身份認(rèn)證更靈活，也可以幫助用戶免去記憶冗長密鑰的記憶負(fù)擔(dān)?！緦＠綀D】

【附圖說明】
[0029]圖1為Mel頻率倒譜系數(shù)計(jì)算流程圖。
[0030]圖2為GMM聞斯混合I旲型不意圖。
[0031]圖3為矩陣前NXD個(gè)分量選取示意圖。
[0032]圖4為聲紋生物密鑰提取流程圖。
【具體實(shí)施方式】
[0033]下面結(jié)合附圖對本發(fā)明作進(jìn)一步說明。
[0034]雖然在低噪音環(huán)境中聲紋識(shí)別準(zhǔn)確率可達(dá)到95%以上，但是直接從聲紋中提取生物密鑰依然存在諸多困難。聲紋生物特征是依概率進(jìn)行識(shí)別的，從語音信號(hào)中提取的聲紋特征存在很大的波動(dòng)性。如果不作處理，直接比較兩組聲紋特征數(shù)字序列，99%的概率沒有一個(gè)數(shù)字是相同的?，F(xiàn)有的穩(wěn)定聲紋特征數(shù)字序列的方法主要是棋盤法，但其穩(wěn)定效果有限，提取聲紋生物密鑰的成功率偏低。本發(fā)明提出了在高維空間中穩(wěn)定聲紋特征數(shù)字序列的技術(shù)，并進(jìn)一步提出了對穩(wěn)定后的聲紋特征數(shù)字序列容錯(cuò)提取的技術(shù)。兩者結(jié)合，可使聲紋生物密鑰提取成功率達(dá)到80%以上。
[0035]本發(fā)明分二部分，聲紋生物密鑰訓(xùn)練部分與聲紋生物密鑰提取部分。
[0036]聲紋生物密鑰訓(xùn)練部分的具體實(shí)施步驟為:
[0037]第一步，用戶錄取自身語音，10秒以上。
[0038]第二步，從錄取語音中提取MFCC系數(shù)(Mel頻率倒譜系數(shù))，如圖1所示。具體方法為:
[0039]I)預(yù)增強(qiáng)(Pre-Emphasis)
[0040]以Sl(n) (η:0..Ν-1)表示語音時(shí)域信號(hào)，預(yù)增強(qiáng)公式為:
[0041]S (n) =Sl (η) - a*Sl (η_1) (0.9〈a〈l.0)
[0042]2)音框化(Framing)
[0043]音框化即對語音信號(hào)分中貞。
[0044]3)漢明窗(Hamming Windowing)處理
[0045]假設(shè)音框化后的信號(hào)為S(η), n=0,1,..., N-10那么乘上漢明窗后為:
【權(quán)利要求】
1.一種人類聲紋生物密鑰生成方法，其特征在于該方法包括以下步驟:聲紋生物密鑰訓(xùn)練部分和聲紋生物密鑰提取部分； 聲紋生物密鑰訓(xùn)練部分具體步驟為: 第一步，用戶錄取自身語音，10秒以上； 第二步，從錄取語音中提取MFCC系數(shù)；用MFCC系數(shù)訓(xùn)練用戶GMM高斯混合模型，取混合數(shù)為8~32階，階數(shù)可由用戶根據(jù)經(jīng)驗(yàn)選定，記為N ； 第三步，混合數(shù)為N的高斯混合模型由N個(gè)高維高斯分布組成，取每一個(gè)高斯分布的均值向量，組成NX 20維的矩陣，20為MFCC系數(shù)個(gè)數(shù)；高斯混合模型對應(yīng)每一個(gè)高維高斯分布有一個(gè)權(quán)值，組合在一起為I XN維的權(quán)值向量，記為λ，在用戶端存儲(chǔ)λ ; 第四步，將ΝΧ20維矩陣擴(kuò)展為2個(gè)矩陣，LXL維的隨機(jī)誤差方陣EX，LXL維的標(biāo)準(zhǔn)值方陣EY, L>N且L>20 ； 第五步，求解EX的廣義逆矩陣，記為IEX，將IEX左乘矩陣EY得到高維空間投影矩陣PEX=IEXX EY，在用戶端存儲(chǔ)投影矩陣PEX ； 第六步，選取標(biāo)準(zhǔn)值方陣EY的前NXD個(gè)分量組成矩陣T，1〈D〈20 ;對T的每一個(gè)分量進(jìn)行一次棋盤法運(yùn)算、正整數(shù)轉(zhuǎn)化，得結(jié)果矩陣Tl ； 第七步，設(shè)定一個(gè)η階的多項(xiàng)式函數(shù)，形如:
f (X) =a0+a1*x+a2>l<x2+a3*x3+.* * +an*xn， 其中η為階數(shù)，Btl~a? e正`整數(shù)，其值域范圍為O~224，即每個(gè)系數(shù)有24bit ;將矩陣Tl的每一個(gè)分量代入f (X)，計(jì)算后得結(jié)果矩陣T2，T2為正整數(shù)矩陣；在用戶端存儲(chǔ)T2及η值；聲紋生物密鑰訓(xùn)練完成； 聲紋生物密鑰提取部分具體步驟為: 第一步，用戶錄取自身語音，3秒左右； 第二步，從錄取語音中提取MFCC系數(shù)；依據(jù)聲紋生物密鑰訓(xùn)練時(shí)存儲(chǔ)的λ，訓(xùn)練用戶GMM高斯混合模型，取混合數(shù)階數(shù)與聲紋生物密鑰訓(xùn)練時(shí)一致，記為N ； 第三步，取每一個(gè)高斯分布的均值向量，組成NX20維的矩陣； 第四步，將NX 20維矩陣擴(kuò)展為NX L維矩陣，記為EC，擴(kuò)展方法與聲紋生物密鑰訓(xùn)練階段擴(kuò)展方法保持一致； 第五步，將EC左乘ΡΕΧ，得NX L維矩陣，取矩陣前NXD個(gè)分量組成矩陣；對矩陣的每一個(gè)分量進(jìn)行一次棋盤法運(yùn)算及正整數(shù)轉(zhuǎn)化，方法與聲紋生物密鑰訓(xùn)練時(shí)一致，得矩陣ED ； 第六步，從矩陣ED中選取η+2個(gè)分量值，排序；從存儲(chǔ)的Τ2矩陣中選取η+2個(gè)分量值，排序； 將兩組排序結(jié)果依次配對，組成(Z，f (Z))的形式，Z為ED中選取的值，f (Z)為T2中選取的值； 將 η+2 個(gè)(z, f(z))對,代入函數(shù) f (z)+an*zn,生成 η+2 個(gè)線性方程，其中，a0~8?為n+1個(gè)未知數(shù)，a0~an e正整數(shù)； 如方程組有唯一解，則解得的(?,?,?,?, ; ； ;，an)組成的數(shù)字序列即為提取的聲紋生物密鑰；如方程組沒有唯一解，則從矩陣ED、T2中重新選取η+2個(gè)分量，組成(z，f (z))對，再次嘗試解方程組；遍歷ED、T2的所有η+2個(gè)分量的排列組合，解得聲紋生物密鑰；密鑰序列長度為24X(n+l)bit。
【文檔編號(hào)】H04L9/32GK103873254SQ201410074511
【公開日】2014年6月18日 申請日期:2014年3月3日 優(yōu)先權(quán)日:2014年3月3日
【發(fā)明者】吳震東 申請人:杭州電子科技大學(xué)