采用完整局部二进制模式的伪装语音检测

徐剑， 简志华，于佳祺，金易帆，游林，汪云路

（1. 杭州电子科技大学通信工程学院，浙江 杭州 310018；2. 杭州电子科技大学网络空间安全学院，浙江 杭州 310018）

1 引言

随着人工智能技术的深入发展，说话人证实得到广泛研究与应用[1]。但说话人证实系统容易受到伪装语音攻击，其安全性非常值得关注。伪装语音检测是通过对说话人的声音进行分析，进而识别它是真实说话人的语音还是人为恶意伪装的语音[2]。伪装语音通常由设备回放、语音转换及语音合成等技术生成[3-5]，通过蓄意的操作能够伪装成特定的说话人声音，从而达到欺骗说话人证实系统的目的。伪装语音识别系统可针对恶意的伪装语音实现伪装检测，提高说话人证实系统安全性能，具有广阔的应用前景。

伪装语音识别通常需要对目标语音信号进行特征提取，再与其对应的真实语音特征对比分析进而判定真/伪。传统的伪装语音识别系统提取的特征参数主要分为两种：一种是语音信号的幅度谱特征，通常有高阶梅尔倒谱系数、梅尔主频率和对数幅度谱等[6-8]；另一种是语音信号的相位谱特征，通常有修正的群时延和相对相移等[9-11]。但这些特征在应对未知类型伪装语音的攻击时，检测效果往往不是很理想。

近些年，纹理分析逐渐成为计算机视觉和模式识别领域的研究热点，并在图像的分类处理中得到较大的发展。局部二进制模式（local binary pattern，LBP）是一种流行的纹理分析方法，最初在面部图像识别中有广泛的应用[12-13]。……