удк 004.93 современные методы детектирования

УДК 004.93
СОВРЕМЕННЫЕ МЕТОДЫ ДЕТЕКТИРОВАНИЯ СПУФИНГ АТАК НА
ГОЛОСОВЫЕ БИОМЕТРИЧЕСКИЕ СИСТЕМЫ
Г.М.Лаврентьева
(Университет ИТМО)
Научный руководитель – к.т.н., К.К. Симончик
(Университет ИТМО)
С каждым днём информационные технологии играют всё большую роль в жизни человека.
Для доступа к информационным ресурсам, разрабатываются новые, более надёжные методы
аутентификации, одним из которых является голосовая биометрия.
В последние годы значительно улучшилось качество работы базовых методов голосовой
биометрии. Вместе с ростом доверия к данным методам, возрастает и ценность защищаемой
информации. Следовательно, увеличиваются требования к надёжности работы биометрических
систем, в том числе к противодействию различным видам атак с целью взлома – спуфингу.
Исследования устойчивости голосовых биометрических систем к спуфинг атакам
показывают, что необходима разработка алгоритмов их детектирования. Большая часть
существующих алгоритмов противодействия спуфинг атакам обучена на защиту от атак
конкретного типа, в то время как реальные атаки будут основаны на неизвестных методах
фальсификации индивидуальных биометрических характеристик человека. По этой причине
был организован конкурс Automatic Speaker Verification Spoofing and Countermeasures
(ASVspoof) Challenge 2015, в котором соревновались алгоритмы детектирования известных и
неизвестных видов спуфинга. Мы также принимали участие в этом конкурсе и наша система
заняла 2ое место.
В этой работе внимание сконцентрировано на исследовании наиболее подходящих
акустических признаках и классификаторах для изолированной задачи автоматического
детектирования спуфинг атак. В частности, изучались системы представленные на ASVspoof
Challenge 2015. Цель данной работы заключалась в определении наиболее эффективных
подходов к автоматическому детектированию неизвестных спуфинг атак.
В рамках данной исследовательской работы рассматривались 3 модуля систем
автоматического детектирования спуфинг атак: модуль предварительной обработки, модуль
выделения информативных признаков, классификатор.
Изученные модули предварительной обработки имеют 2 различные цели: одни из них
усиливают влияние определенных типов признаков на итоговое решение системы, в то время
как другие определяют простейшие типы атак по специфичным артефактам, свойственным
реальной речи. К первым относятся детектор речевой активности, полосовой фильтр и фильтр
предыскажений. Ко вторым можно отнести пре-детектор, определяющий спуфинг-атаки по
наличию нулевых значений энергии сигнала.
В качестве информативных признаков рассматривались различные вариации амплитудных,
фазовых признаков, а также признаков на основе вейвлет-преобразований. Также были
рассмотрены признаки, основанные на распознавании фонем.
В рамках экспериментов проводилось исследование классификаторов на основе метода
опорных векторов, смеси гауссовых распределений, а также некоторых реализаций нейронных
сетей.
Экспериментальные результаты, полученные на базах, представленных организаторами
конкурса, показали, что наиболее эффективные системы используют сразу несколько типов
акустических признаков, отвечающих за различную информацию в речевом сигнале. Успех
таких систем объясняется их способностью выделять дополнительную информацию,
неочевидную для систем, основанных на одном типе признаков. Наиболее часто используются
признаки, содержащие амплитудную и спектральную информацию. Однако признаки уровня
фонем оказались также довольно эффективными в рамках поставленной задачи. Отдельно стоит
отметить высокую эффективность предварительной обработки сигнала для отдельных типов
признаков. Например, MFCC признаки чувствительны к предыскажениям и могут быть очень
эффективны с правильно подобранными параметрами фильтрации. Согласно нашим
экспериментам детектор речевой активности может отбросить информативные артефакты,
располагающиеся между речевыми участками. Сравнение различных классификаторов показало,
что SVM классификаторы крайне эффективны для задачи детектирования спуфинг атак, также
как и подходы, основанные на нейтронных сетях.