本发明提供一种基于DR‑Res2net模块的声纹识别方法,其在处理声纹数据时能提供丰富、有效的特征信息,模型有较强的泛化能力,分类具有更低的等错误率,进而能够得到更理想的识别效果。本发明的技术方案中,将稠密DenseNet模型的特点融入到Res2Net模型中,构建DR‑Res2net模型,在声音识别模型中,以DR‑Res2Block为核心模块进行声纹数据的识别;识别过程中,每个DR‑Res2net模块中对每一个输出的特征同时进行残差和稠密连接,获取更加丰富的特征,模块中的addition处理使得每一个特征的所包含的信息量增加,同时concatennaiton处理使得特征包含高语义低分辨率和低语义高分辨率的特征,最大程度上保留了不同感受野下的特征。
📄 2022107784118
📂 G10L17_02
👤 江南大学
📅 2022-07-04
本发明公开了声纹识别设备,穿戴在儿童身上,包括连接于微处理器上的无线通信模块、定位模块、麦克风、供电模块和网络服务存储器,其中:网络服务存储器,内包括声纹数据库、关键词数据库和对比模块,声纹数据库内存储安全人员的声纹信息,用于辨识儿童身边人的身份,关键词数据库内存储善意或者恶意的语言,对比模块调取关键词数据库内的信息进行对比。在使用时,儿童身边人是安全列表里面的人时,不警报;儿童身边人是非安全列表里面的人时,记录语音信号,通过无线通信模块告知监护人儿童地理位置,给出预警;儿童身边人是危险列表里面的人时,记录语音信号,通过无线通信模块告知监护人或警务人员儿童地理位置。
📄 2016110832554
📂 G08B21_02
👤 南京小脚印网络科技有限公司
📅 2016-11-30
本发明涉及抽屉柜子锁技术领域,提出了一种隐藏式声纹抽屉柜子锁,其相对于抽屉本体和柜子的安装作业对抽屉本体和柜子损伤较小,安装过程中不需要打孔作业即可安装,同时对于预先没有打孔的抽屉本体和柜子的安装也较为方便,对抽屉本体和柜子的美观性破坏较小,而且还会提高柜子的防护,增加柜子的结构强度,同时维护更换较为简洁,并且智能化程度较高,较为实用,包括柜子和多个抽屉本体,还包括锁具架结构,多个抽屉本体均安装在柜子内,锁具架结构包括两个上角板和两个下角板,两个上角板的底端均固定连接有两个竖角板,两个竖角板分别与两个下角板连接,两个上角板之间和两个下角板之间均连接有限位角板,两个上角板之间连接有横架。
📄 2022107498065
📂 E05B65_46
👤 中山亿联智能科技有限公司
📅 2022-06-28
已申报项目
本发明公开了一种基于声纹识别的音频鉴伪方法,涉及特殊音频鉴伪领域,S1,获取检测音频中的音频数据,所述音频数据包括时域特征数据、IP数据和检测音频元数据;S2,通过时域特征分析模型对时域特征数据进行第一数据分析,生成时域目标;S3,通过IP比对模型对获取的IP数据进行第二数据分析,生成IP标注;S4,通过元数据分析模型对获取的检测音频元数据进行第三数据分析,生成元数据标注;S5,通过标注匹配模型将生成IP标注和元数据标注进行匹配分析,得出网络识别目标;S6,对检测音频中的时域目标和网络识别目标进行整合分析,对该检测音频生成可信度标记,本发明通过音频信号、IP数据和音频元数据等条件提供更可靠和准确的音频鉴伪结果。
📄 2023108758416
📂 G10L17_02
👤 中国信息通信研究院
📅 2023-07-17
本发明公开了一种基于声谱图的声纹识别集成模型的防御方法,包括:(1)采集音频文件,并对音频文件转化为声谱图,该声谱图作为良性样本;(2)利用良性样本训练多个声纹识别模型,获得训练好的多个声纹识别模型;(3)采用投票机制从训练好的多个声纹识别模型从筛选获得较优的多个声纹识别模型进行集成,形成声纹识别集成模型,利用良性样本重新训练声纹识别集成模型;(4)采集布谷鸟搜索算法分别攻击多个声纹识别模型,生成对抗样本;(5)利用对抗样本和良性样本对步骤(3)获得的声纹识别集成模型进行再训练,获得能够抵抗攻击的声纹识别集成模型;(6)利用步骤(5)获得的声纹识别集成模型对音频文件对应的声谱图进行防御识别。
📄 2020101058077
📂 G06F18_214
👤 浙江工业大学
📅 2020-02-20
一种基于特征聚类分析与特征降维的声纹识别后门攻击防御方法,首先用一个未知的数据集自然的训练一个声纹识别模型;再利用这个预训练的模型将所有训练数据分为不同的类别并按照类别的划分提取样本在模型特征层的输出;基于中毒样本与正常样本在模型分类时的行为差异,利用聚类算法对这些特征进行聚类;然后利用聚类指标CH分数识别出中毒类别;再使用降维算法把样本的特征降至一维,根据降维后数据的值识别中毒簇并删除;最后用余下的干净样本重新训练一个干净的模型。本发明的防御方法能准确的识别中毒类别并精准删除中毒样本,极大的降低了后门攻击的成功率。
📄 202211040227X
📂 G10L15_06
👤 浙江工业大学
📅 2022-08-29
基于余弦相似性和语音去噪的声纹识别对抗样本防御方法,首先进行数据预处理,对于说话人语音数据进行预处理;搭建声纹识别模型;利用几种不同的对抗攻击方法结合声纹识别模型设计带有恶意信息样本的对抗样本生成器;对干净数据数据进行小波变换重构,将干净数据小波变换前后的样本在分类模型中得到的输出概率向量进行余弦相似性计算,设定一个余弦相似性阈值;将对抗样本同样进行小波变换重构,也同样计算重构前后的输出向量的余弦相似性值,将该值于余弦相似性阈值进行比较,小于阈值的为对抗样本,大于阈值的则对抗样本未检测出;训练一个语音去噪神经网络,将未检测出的对抗样本输入去噪网络进行去噪,去除对抗性扰动。
📄 2022106531174
📂 G10L17_04
👤 浙江工业大学
📅 2022-06-09
一种基于迁移训练的声纹识别中毒样本生成方法,包括以下步骤:(1)对语音数据集预处理;(2)搭建声纹识别模型;(3)获得迁移训练任务数据集的特征表示空间;(4)从测试集中选择目标样本与基样本;(5)利用优化算法生成中毒样本;(6)将中毒样本加入到原训练集中进行迁移训练:在不改变原模型权重的情况下,只重新训练替换的softmax层适用当前分类任务,训练集为原训练集加上一个中毒样本。在测试阶段,目标样本将会被误分类为基样本的标签。本发明使攻击成功率得到极大的提高。
📄 2021105432143
📂 G10L17_04
👤 浙江工业大学
📅 2021-05-19
一种基于布谷鸟搜索算法的声纹识别攻击防御方法,包括:(1)准备原始音频数据集;(2)训练声纹识别模型:利用预训练数据集对声纹识别模型进行训练,然后使用测试数据集测试识别模型的准确率;(3)攻击声纹识别模型:搭建基于布谷鸟搜索算法的攻击方法,设置适应度函数及攻击方法的相关参数;利用该攻击方法生成最优对抗样本,使其被错误识别成目标类别而不被人耳所识别;(4)对抗训练声纹识别模型:将步骤(3)中生成的样本加入预训练数据集中,重新训练声纹识别模型,使得重新训练的声纹识别模型具有防御对抗样本攻击的能力,提高声纹识别模型的安全性和稳定性。
📄 2019108199726
📂 G10L17_04
👤 浙江工业大学
📅 2019-08-31
基于不同迁移能力和决策边界攻击的声纹识别对抗样本的检测方法,首先对说话人信号进行数据预处理,划分为训练集和测试集;根据训练数据搭建声纹识别模型;利用不同的对抗攻击方法在目标模型上生成对抗样本;将干净样本和对抗样本的混合样本集输入目标模型和检测模型中,得到对应的两个标签,比较标签是否一致,若不一致,设定检测值即对抗扰动比例为0,若标签一致则利用决策边界攻击方法对标签不变的样本进行攻击,来获得对抗扰动比例;在干净样本集中利用决策边界攻击,来获得一批对抗扰动比例,在这些扰动比例中确定检测的决策阈值;利用确定的决策阈值来检测对抗样本,若样本的扰动比例值大于阈值,则样本为干净样本,反之为对抗样本。
📄 2022106599478
📂 G10L17_04
👤 浙江工业大学
📅 2022-06-09
本发明公开了一种基于会议场景小样本条件下的声纹准确识别方法,包括以下步骤:步骤(1):对每个说话人的特征向量矩阵执行差异化特征与样本点及独立化特征矩阵操作;再建立并保存针对每个说话人的预判模型;步骤(2):将待测语音的特征向量样本点均值矩阵中经筛选剔除后保留的列向量组成特征向量矩阵,再对该特征向量矩阵依次执行差异化特征与样本点操作及独立化特征矩阵操作;分别计算识别集中每个说话人特征矩阵与待测语音对应特征矩阵的相似度,选取训练阶段适当数目的说话人作为预判的结果;再将待测语音对应特征矩阵带入到预判结果中各预判模型里计算选取概率,选取概率最高的那个预判模型作为识别结果。本发明具有识别准确率高的优点。
📄 2019101824618
📂 G10L17_08
👤 南京邮电大学
📅 2019-03-11
本发明涉及基于声纹的文档加密方法:一,用户记忆一个密钥;二,用户随机用语音叙述一句话,从该段语音的声纹特征参数中提取密钥,作为加密密钥;三,选定对称加密算法,用第二步中提取的密钥加密文档,生成中间文档,将第二步的随机文本串与中间文档一起打包,生成一新文档;四,用户记忆的密钥加密第三步的文档,形成加密文档。声纹文档解密方法:一,用选定的对称加密算法和用户记忆的密钥,生成临时文档;二,从临时文档中析出与文档加密密钥关联的文本串,用户用语音叙述该段文本串,并从该段语音的声纹特征参数中提取密钥;三,用第二步提取的密钥和选定的对称加密算法解密临时文档,完成文档解密。本发明使用方便且具有较高的安全性。
📄 2011100032028
📂 G06F21_24
👤 杭州电子科技大学
📅 2011-01-10