documentationИстория и архивыHistory and Archives2658-6541Russian State University for the Humanities (RSUH)documentation-67Research ArticleИНФОРМАЦИОННАЯ БЕЗОПАСНОСТЬ И ЗАЩИТА ИНФОРМАЦИИINFORMATION SECURITY AND DATA PROTECTIONМетод текстозависимой аутентификации по голосуMethod of the textdependent voice authenticationИвановДмитрий АлександровичIvanovDmitriyfenix.104.2@mail.ruНикитинАндрей ПавловичNikitinAndreya.p.nikitin@bk.ruМосковский технологический университетРоссияMoscow Technological UniversityRussian Federation20162301201803115124Copyright © Иванов Д.А., Никитин А.П., 20182018Иванов Д.А., Никитин А.П.Ivanov D., Nikitin A.This work is licensed under a Creative Commons Attribution 4.0 License.https://documentation.rsuh.ru/jour/article/view/67

В данной работе был предложен метод биометрической аутентификации пользователя по параметрам его голоса. В качестве основных параметров разрабатываемой модели были выбраны индивидуальные особенности скорости и длительности произношения отдельных элементов речи. При разработке алгоритма сравнения образцов голоса было обнаружено, что анализ скорости и длительности произношения отдельных элементов речи в текстозависимой процедуре аутентификации пользователя сводится к нахождению процентного содержания совпадающих по содержимому и местоположению отрезков записи с учетом изменяемости общей длины произносимой парольной фразы (сравнение наборов мелчастотных кепстральных коэффициентов).

In this work the authors propose method of user’s biometric authentication by parameters of his voice. The principal parameters of the developed model are individual speed of the speech and pronouncing length of the speech elements. In the cource of voice samples comparison algorithm development it was discovered that the analysis of the speech and pronouncing length of the speech elements in text dependent user’s voice authentication procedure is reduced to finding the percentage of recording segments, overlapping in content and location, with due consideration for the variability of the uttered passphrase total length. For comparison the Mel-frequency cepstral coefficients method was used.

биометрикааутентификация по голосуметод мелчастотных кепстральных коэффициентовbiometricsvoice authenticationMel-frequency cepstral coefficients methodReferencesОстровский А.А., Жариков Д.Н., Лукьянов В.С., Попов Д.С. Динамические методы биометрической аутентификации // Известия Волгоградского государственного университета. 2010. Т. 6.Островский А.А., Жариков Д.Н., Лукьянов В.С., Попов Д.С. Динамические методы биометрической аутентификации // Известия Волгоградского государственного университета. 2010. Т. 6.Рамишвили Г.С. Автоматическое опознавание говорящего по голосу. М.: Радио и связь, 1981.Рамишвили Г.С. Автоматическое опознавание говорящего по голосу. М.: Радио и связь, 1981.Кедрова Г., Анисимов Н., Захаров Л. Сопоставительное МРТ-исследование артикуляционных моделей гласных звуков в разных языках // Вестник Московского государственного лингвистического университета. 2012. Т. 13. Серия «Языкознание».Кедрова Г., Анисимов Н., Захаров Л. Сопоставительное МРТ-исследование артикуляционных моделей гласных звуков в разных языках // Вестник Московского государственного лингвистического университета. 2012. Т. 13. Серия «Языкознание».Сорокин В.Н., Вьюгин В.В., Тананыкин А.А. Распознавание личности по голосу: Аналитический обзор // Информационные процессы. 2012. Т. 12.Сорокин В.Н., Вьюгин В.В., Тананыкин А.А. Распознавание личности по голосу: Аналитический обзор // Информационные процессы. 2012. Т. 12.

The authors declare that there are no conflicts of interest present.