Influence of a Speaker’s Psycho-physiological State to His Voice Parameters and Results of Biometric Authentication by Speech Enabled Password
Abstract
In this work, two methods were used to calculate the identification characteristics of the speaker's voice. One of them is based on the direct Fourier transform, the second — on the window transformation with the subsequent integration of the values of each harmonic of all the windows. The information content of these characteristics is determined. An estimation is given of how the parameters of the voice and their informativeness change depending on the degree of alcoholic intoxication of a person and in a sleepy state. A computational experiment was carried out to evaluate the reliability of recognition of speakers in the space of selected features using functionals based on the Bayesian hypothesis formula, Pearson measure, chi-module measure, Gini criterion, Cramervon Mises, and perceptrons trained in GOST R 52633.5-2011, and networks of quadratic forms. An estimation is given of the stability of these methods and functionals to the psychophysiological state of the speaker in terms of the robustness of the obtained recognition results.
References
2. Ильин Е. П. Психофизиология состояний человека. СПб.: Питер, 2005.
3. De Waard D. The measurement of drivers’ mental workload. Traffic Safety Research Centre VSC. University of Groningen, Haren, 1996.
4. Mascord, D. J. & Heath, R. A. Behavioral and physiological indices of fatigue in a visual tracking task // Journal of Safety Research. 1992. Vol. 23. P. 19–25.
5. Епифанцев Б. Н., Ложников П. С., Сулавко А. Е., Борисов Р. В. Комплексированная система идентификации личности по динамике подсознательных движений // Безопасность информационных технологий. 2011. № 4. С. 97–102.
6. Сулавко А. Е., Еременко А. В., Борисов Р. В. Генерация криптографических ключей на основе голосовых сообщений // Прикладная информатика. 2016. № 5, С. 76–89.
7. Еременко А. В., Сулавко А. Е., Мишин Д. В., Федотов А. А. Идентификационный потенциал клавиатурного почерка с учетом параметров вибрации и силы нажатия на клавиши // Прикладная информатика. 2017. № 1 (67). Т. 12. С. 79–94.
8. Иванов А. И. Многомерная нейросетевая обработка биометрических данных с программным воспроизведением эффектов квантовой суперпозиции. Пенза: Изд-во ПНИЭИ, 2016.
9. Ложников П. С., Сулавко А. Е., Еременко А. В., Волков Д. А. Экспериментальная оценка надежности верификации подписи сетями квадратичных форм, нечеткими экстракторами и персептронами // Информационно-управляющие системы. 2016. № 5. С. 73–85.
10. Ахметов Б. С., Иванов А. И., Фунтиков В. А., Безяев А. В., Малыгина Е. А. Технология использования больших нейронных сетей для преобразования нечетких биометрических данных в код ключа доступа. Монография. Алматы: ТОО «Издательство LEM», 2014.
11. Иванов А. И. Нейросетевая защита конфиденциальных биометрических образов гражданина и его личных криптографических ключей. Монография. Пенза, 2014
12. Сулавко А. Е., Еременко А. В., Толкачева Е. В., Борисов Р. В. Комплексирование независимых биометрических признаков при распознавании субъектов на основе сетей квадратичных форм, персептронов и меры ХИ-модуль // Информационно-управляющие системы. 2017. № 1 (86). С. 50–62. doi:10.15217/issn1684-8853.2017.1.50.
13. Васильев В. И., Сулавко А. Е., Борисов Р. В., Жумажанова С. С. Распознавание психофизиологических состояний пользователей на основе скрытого мониторинга действий в компьютерных системах // Искусственный интеллект и принятие решений. 2017. № 3. С. 95–111.
14. Cерикова Н. И., Иванов А. И., Серикова Ю. И. Оценка правдоподобия гипотезы о нормальном распределении по критерию Джини для числа степеней свободы, кратного числу опытов // Вопросы радиоэлектроники. 2015. № 1 (1). С. 85–94.
15. Первушин Е. А. Обзор основных методов распознавания дикторов // Математические структуры и моделирование. 2011. Вып. 24. С. 41–54.
16. Сулавко А. Е. Сравнение функционалов на базе статистических критериев для формирования широких нейронных сетей сверхбыстрого обучения // Инфографика и информационный дизайн: визуализация данных в науке: Материалы Междунар. науч.-практ. конф. (Омск, 17–18 нояб. 2017 г.) / Минобрнауки России, ОмГТУ; SangMyungUniversity; [редкол.: О. В. Батенькина (отв. ред.) и др.]. Омск : Изд-во ОмГТУ, 2017.
17. Волчихин В. И., Иванов А. И., Фунтиков В. А. Быстрые алгоритмы обучения нейросетевых механизмов биометрико-криптографической защиты информации. Монография. Пенза: Изд-во Пензенского государственного университета, 2005.
18. Епифанцев Б. Н., Ложников П. С., Сулавко А. Е., Жумажанова С. С. Идентификационный потенциал рукописных паролей в процессе их воспроизведения // Автометрия. 2016. № 3. С. 28–36.
This work is licensed under a Creative Commons Attribution 4.0 International License.
