一种基于声纹识别数字证书认证方法

技术领域

本发明涉及信息安全领域，更具体地，涉及一种基于声纹识别数字证书认证方法。

背景技术

越来越多的网络技术随着计算机网络的不断发展应用于现实生活中。然而，现有的网络病毒攻击、个人信息泄露、网络暴力等威胁也对网络的安全运行构成了极大的威胁。数字证书由于其优异的安全性，越来越多地被应用在网络安全中。数字证书的应用，确保了网上传递信息的机密性、完整性，以及网上交流双方身份的真实性，签名信息的不可否认性。这些设备的安全性对于避免用户的隐私和机密泄露至关重要，但是冒名顶替者还是有机会盗取使用者证书，以及账号密码，在同一台电脑上进行交易操作。声纹识别方法具有高防欺诈性，伪造十分困难等优势，因为声纹信息必须是活体采集，可使声纹口令动态变化而无需担心密码遗忘、丢失和窃取问题，防止录音假冒。

为了防止个人数字证书被盗取使用，从而造成严重的个人财产损失。本发明提出了一种基于声纹识别数字证书认证方法，用于个人数字证书认证的访问控制。

发明内容

鉴于现有技术的缺点，本发明旨在提供一种基于声纹识别数字证书认证方法，所提出的方法有效解决了在数字证书认证时，由于个人数字证书信息被盗取导致个人财产损失的问题。

本发明针对的是一种基于声纹识别数字证书认证方法，所述方法包括采集用户声纹信息，对声纹信息分帧预处理操作后，使用梅尔频率倒谱系数(MFCC)提取声纹样本特征，再由C-SVM得出具体识别结果；经过C-SVM识别为正确匹配的声纹信息，才会进行数字证书认证操作，认证通过则确认用户身份，进行下一步交易工作。

所述的预处理是指对声纹样本施加分帧，使每一帧内的信号具有短时稳定性；本发明专利使用的是在声纹识别领域使用比较广泛的汉明窗，因为矩形窗会引入明显的高频噪声因而通常不被使用；分帧通过将汉明窗函数和原信号相乘完成；另外相邻帧之间一般互有重叠从而保证平滑过渡。其公式如下：

公式中n代表窗内的第n个采样点，N为汉明窗宽度。

所述的梅尔频率倒谱系数(MFCC)是在提取短时信号后，将线性频谱映射至基于人耳感知的Mel频谱，再进行离散余弦变换和对数变换，Mel频谱与线性谱的对应关系如下式：

其中，M(f)为对应Mel谱频率，f为线性频谱频率。

本发明专利使用5个滤波芯片，每块滤波芯片的频率下限和上限分别为左右相邻滤波器的中心频率，最高频率根据奈奎斯特采样定理设为样本采样频率的0.5倍，最低频率为0。通过下面公式得到一帧样本对应的特征向量，

其中

所述的C-SVM是通过高斯核函数将样本x映射至高维空间得到

式中

附图说明

图1示出了根据本发明示例实施例的基于声纹识别数字证书认证方法的流程图。

具体实施方式

如图1所示，本发明实施例提供一种基于声纹识别数字证书认证方法。

首先，在步骤S101收集使用用户的原始的声纹信息。

其次在步骤S102中，对声纹信息预处理，即对声纹样本施加分帧，分帧通过将窗函数和原信号相乘完成；另外相邻帧之间一般互有重叠从而保证平滑过渡。其公式如下：

公式中n代表窗内的第n个采样点，N为汉明窗宽度。

其次为了对声纹信息进行特征提取，在步骤S103中，使用梅尔频率倒谱系数(MFCC)提取短时信号后，通过滤波芯片组将线性频谱映射至基于人耳感知的Mel频谱；再进行离散余弦变换和对数变换，Mel频谱与线性谱的对应关系如下式：

其中，M(f)为对应Mel谱频率，f为线性频谱频率。

使用5个滤波芯片，每块滤波芯片的频率下限和上限分别为左右相邻滤波器的中心频率，最高频率根据奈奎斯特采样定理设为样本采样频率的0.5倍，最低频率为0；通过下面公式得到一帧样本对应的特征向量，

其中

所述的C-SVM是通过高斯核函数将样本x映射至高维空间得到

式中

在步骤S105中，将S104得到的识别样本参数与USBKey中存储的用户声纹信息匹配，如果匹配则进行步骤S106验证数字证书和私钥，反之则重新采集用户声纹信息。

在步骤S106验证数字证书和私钥，如果验证通过则确定用户身份，进行交易工作；反之则存在风险，直接结束。