基于声纹信息的身份认证及识别方法与流程

本发明涉及身份认证及识别技术领域，更具体地说，涉及基于声纹信息的身份认证及识别技术。

背景技术

随着互联网科技和通信技术的发展，越来越多的业务转移到网络上或者是通过通信网络(比如电话)办理。金融领域中同样如此，目前的信贷业务很多已经由传统的线下办理转到线上办理。线上办理包括通过互联网或者移动网络，以视频、音频、在线填表等非现场的地方式开展信贷业务。

线上办理业务一方面简化了手续，方便了业务办理，提高了工作效率，但另一方面由于审核手续简化，也带来了额外的业务风险。特别是线上的审核手续通常以固定流程办理，虽然会通过多角度的客户资料审核、相关人员联络确认等手段进行风控审核，但多数为固定的程序。不少不良中介机构会利用线上风控审核的漏洞，为不符合资质的客户、或者为了换取更多服务费，而对客户资料进行包装、伪装，对联系人/同事进行造假，以此通过风控审核。

常规的业务逻辑验证过程对于此类刻意的伪装或这造价难以识别，因此需要更具有特征性，更加难以破解的方式来提升验证审核的水平。

技术实现要素：

本发明旨在提出一种基于声纹信息进行身份认证及识别的方法，声纹信息是生物特性，难以伪造和包装，因此具备较高的可靠性。

根据本发明的一实施例，提出一种基于声纹信息的身份认证及识别方法，包括如下的步骤：

声纹注册步骤，获取用户的声纹信息，将声纹信息与分类信息以及用户的个人信息相关联；

声纹存储步骤，依据分类信息将声纹信息存储到相应的分类声纹库中，各个分类声纹库具有各自的分类特征；

分类权重计算步骤，在指定的业务场景下对用户进行身份认证识别时，根据业务场景计算各个分类声纹库各自的分类权重，分类权重是根据分类声纹库的分类特征与业务场景的关联度确定；

声纹比对步骤，获取用户的当前声纹，在各个分类库中查找与当前声纹相匹配的声纹信息；

声纹认证步骤，根据相匹配的声纹信息以及存储该声纹信息的分类声纹库的分类权重，计算声纹认证值，将具有最高声纹认证值的声纹信息认证为用户的身份，并获取与该声纹信息相关联的用户的个人信息。

在一个实施例中，该基于声纹信息的身份认证及识别方法还包括：

业务逻辑认证识别步骤，根据与该声纹信息相关联的用户的个人信息，在当前业务场景下对用户身份进行业务逻辑认证。

在一个实施例中，所述分类信息包括业务分类和属地分类。

在一个实施例中，通过以下途径的其中之一获取用户的声纹信息：

与用户电话通话时通过电话语音获取声纹信息；

与用户视频通话时通过视频平台的音频信号或客户端的语音流获取声纹信息。

在一个实施例中，所述声纹注册步骤包括：

获取用户的语音流；

进行语音流分段处理，将语音流按照最小识别时长进行分段；

语音降噪处理，除去与语音无关的噪音；

语音特征提取，提取语音流分段中的语音特征；

声纹模型建立，根据语音特征建立声纹模型，声纹模型解析声纹信息。

在一个实施例中，所述声纹比对步骤包括：

获取用户的当前语音流；

进行语音流分段处理，将当前语音流按照最小识别时长进行分段；

语音降噪处理，除去与语音无关的噪音；

语音特征提取，提取语音流分段中的当前语音特征，当前语音特征为用户的当前声纹；

声纹特征比对，将当前语音特征与声纹模型进行比对，寻找相匹配的声纹信息。

在一个实施例中，在提取语音特征和当前语音特征时，根据语音流的获取渠道，进行语音质量修正。

本发明利用声纹信息这一难以伪造和包装的生物特性，结合具体的业务场景进行声纹信息和业务逻辑的双重身份验证，能有效提升识别率和验证可靠性，在用户的身份认证或者身份识别方面，具有广泛的应用前景。

附图说明

本发明上述的以及其他的特征、性质和优势将通过下面结合附图和实施例的描述而变的更加明显，在附图中相同的附图标记始终表示相同的特征，其中：

图1揭示了根据本发明的一实施例的基于声纹信息的身份认证及识别方法的流程图。

具体实施方式

参考图1所示，图1揭示了根据本发明的一实施例的基于声纹信息的身份认证方法的流程图。该基于声纹信息的身份认证及识别方法，包括如下的步骤：

101、声纹注册步骤，获取用户的声纹信息，将声纹信息与分类信息以及用户的个人信息相关联。在一个实施例中，分类信息包括业务分类和属地分类，即在获得声纹信息的同时，也会获得与该声纹信息相关联的业务分类，比如该声纹信息是与保险业务、证券业务或者信贷业务的其中之一相关联。属地信息可以通过用户接入位置获得。用户是通过固定电话或者移动电话接入的，可以获得主叫的地理位置。用户通过互联网渠道接入的，可以通过ip地址确定其地理位置。上述的地理位置作为属地信息。为了进行声纹注册，可以通过以下途径的其中之一获取用户的声纹信息：用户呼入时通过语音呼叫获取声纹信息、与用户视频通话时通过音频信号获取声纹信息、或者主动呼叫用户并通过语音呼叫获取声纹信息。用户呼入时通过语音呼叫获取声纹信息以及与用户视频通话时通过音频信号获取声纹信息这两种途径，通常用于正常的业务，在由用户接入时，同时获取用户的声纹信息以进行注册。主动呼叫用户并通过语音呼叫获取声纹信息这种途径通常用于高风险用户的识别业务，在确定了某些用户为高风险用户后，为了获取他们的声纹信息以便于今后进行识别和预警，会主动呼叫用户以对用户的声纹信息进行注册。

在一个实施例中，声纹注册步骤的执行过程如下：

获取用户的语音流；

进行语音流分段处理，将语音流按照最小识别时长进行分段；

语音降噪处理，除去与语音无关的噪音；

语音特征提取，提取语音流分段中的语音特征；

声纹模型建立，根据语音特征建立声纹模型，声纹模型解析声纹信息。

由于与用户通话使用的信道可能有多种，比如固定电话、移动电话、视频终端、互联网通信软件等，不同的信道中音频数据的损耗不同，并且移动网络的信号强度和稳定性在地区间也存在差异，也会导致音频数据存在损耗差异。在提取语音特征时，音频数据的损耗会造成语音特征的不同。即使同一个人通过不同的信道所得到的音频数据，也可能产生不同的语音特征，从而导致匹配误差。为了消除由于信道所导致的误差，本发明在提取语音特征时，会根据语音流的获取渠道，进行语音质量修正。具体而言，本发明对固定电话、移动电话、视频终端、互联网通信软件等常用的信道分别提供修正模型，对获取自上述信道的音频数据依据修正模型进行修正，在修正后的音频数据的基础上进行语音特征的提取并根据语音特征建立声纹模型。由此来提高声纹模型的一致性，使得同一个人通过不同信道所得到的音频数据能够具有同样的语音特征。

102、声纹存储步骤，依据分类信息将声纹信息存储到相应的分类声纹库中，各个分类声纹库具有各自的分类特征。在本发明中，声纹数据是被存储在分类声纹库中，分类声纹库按照业务属性和属地属性分类，相应的，业务属性和属地属性也就是分类声纹库的分类特征。在声纹注册步骤中，声纹信息会与业务分类和属地分类相关联。在声纹存储步骤中，根据业务分类和属地分类，声纹信息会被保存到具有相应的业务属性和属地属性的分类声纹库中。这样的话，声纹信息是被分类保存，于是每一个分类声纹库的数据量相对比较小，数据量较小的分类声纹库有利于提升查找匹配的效率，无论是匹配速度还是匹配准确度，数据量较小的分类声纹库都具有优势。如果将所有的声纹信息都保存在一个数据库中，那么在匹配时，就需要遍历该数据库中的所有数据，明显数据库的数据量越大，匹配效率越低。而通过分类方式将声纹信息分别保存在分类声纹库中，在进行匹配时，多个分类声纹库是并行进行匹配运行，每个数据库的数据量较小，因此匹配效率高，匹配的准确度也较高。

103、分类权重计算步骤，在指定的业务场景下对用户进行身份认证识别时，根据业务场景计算各个分类声纹库各自的分类权重，分类权重是根据分类声纹库的分类特征与业务场景的关联度确定。分类权重的计算是综合考虑分类特征中的各个特征值与业务场景的各个特征值的关联度而得到。比如，业务场景如下：收到一通属地信息为上海的电话，电话内容是咨询保险业务。那么，各个声纹库的分类特征中的业务分类会被赋予以下的权重：保险100、证券50、信贷50。各个声纹库的分类特征中属地分类会被赋予以下的权重：上海100、苏州80、杭州70、南京60，属地分类按照地理位置的远近，距离越近的权重越高。综合考虑后，各个分类声纹库的分类权重可以计算如下：保险上海库100、保险苏州库80、保险杭州库70、保险南京库60、证券上海库50、证券苏州库40、证券杭州库35…。需要说明，此处只是举例说明分类权重的计算原则，并非作为一种限制。

104、声纹比对步骤，获取用户的当前声纹，在各个分类库中查找与当前声纹相匹配的声纹信息。在一个实施例中，声纹比对步骤包括：

获取用户的当前语音流；

进行语音流分段处理，将当前语音流按照最小识别时长进行分段；

语音降噪处理，除去与语音无关的噪音；

语音特征提取，提取语音流分段中的当前语音特征，当前语音特征为用户的当前声纹；

声纹特征比对，将当前语音特征与声纹模型进行比对，寻找相匹配的声纹信息。

同样的，由于与用户通话使用的信道可能有多种，比如固定电话、移动电话、视频终端、互联网通信软件等，不同的信道中音频数据的损耗不同，并且移动网络的信号强度和稳定性在地区间也存在差异，也会导致音频数据存在损耗差异。为了消除由于信道所导致的误差，在提取当前语音特征时，也会依据修正模型进行修正，在修正后的音频数据的基础上进行当前语音特征的提取并将当前语音特征与声纹模型进行比对，使得同一个人通过不同信道所得到的音频数据能够具有同样的当前语音特征。

需要说明的是，所谓的声纹信息相比配是指当前语音特征与声纹模型中的语音特征之间的相似度大于一定的阈值。比如将阈值设定为60，那么所有相似度大于60的声纹模型都会被认为是相匹配的。因此，在声纹比对步骤中可能会得到数个相匹配的声纹信息。但这些声纹信息都会具有一个相应的相似度的数值，比如：60、70、80等。

105、声纹认证识别步骤，根据相匹配的声纹信息以及存储该声纹信息的分类声纹库的分类权重，计算声纹认证值，将具有最高声纹认证值的声纹信息认证为用户的身份，并获取与该声纹信息相关联的用户的个人信息。

在步骤103分类权重计算步骤中，计算得到了各个分类声纹库的分类权重。在步骤104声纹比对步骤中，计算得到了相匹配的声纹信息的相似度的数值。根据分类权重和相似度的数值，就能得到各个声纹最终的声纹认证值。比如，保险上海库中的声纹信息的相似度数值为60、保险苏州库中的声纹信息的相似度数值为90、证券上海库中的声纹信息的相似度数值为80。那么结合各个分类声纹库的分类权重，各个声纹的声纹认证值为：保险上海库的声纹60、保险苏州库的声纹72、证券上海库的声纹40。

具有最高声纹认证值的声纹信息是保险苏州库的声纹信息，认证值是72。然后，保险苏州库的声纹信息被认证为与用户相匹配。之后调用在步骤101声纹注册步骤中与该声纹信息相匹配的用户的个人信息。此处调用的用户个人信息会被用于其他的步骤，比如进行业务逻辑认证。

在图1所示的实施例中，该基于声纹信息的身份认证及识别方法还包括下述步骤：

106、业务逻辑认证识别步骤，根据与该声纹信息相关联的用户的个人信息，在当前业务场景下对用户身份进行业务逻辑认证。通过前述的步骤，已经获得了一个基于声纹信息的用户身份，该用户身份是根据生物特征识别获得，因此具有较高的可信度。在此基础上，再结合当前业务场景进行业务逻辑的双重认证。

例如，当前业务场景是对正在接入的用户进行身份核实。则业务逻辑认证可以是请用户提供相关个人信息，将用户提供的相关信息与基于声纹信息而获得的个人信息比对，进行二次业务逻辑认证。业务逻辑认证可以与声纹认证同步进行，业务逻辑认证由坐席人工完成，而声纹认证是由后台的服务器自动根据上述的步骤完成。两者的结果进行核对。

下面介绍几个典型的业务场景

用户身份核实场景

用户通过手机呼入，咨询保险业务，手机归属地信息上海。用户直接表明身份，此时的业务场景是进行用户身份的核实。当用户接通坐席后，坐席会与用户进行业务逻辑验证，请用户提供相关的个人信息。同时，在与用户通话的过程中，用户的语音流被采集。基于该语音流获得当前语音特征，然后在各个声纹库中进行匹配。结合声纹库的分类权重和匹配的相似度，找到具有最高的声纹认证值的声纹。该声纹保存在保险上海库中，分类声纹库的分类信息中，业务分类为保险，属地分类为上海。再调用在声纹注册时与该声纹信息相匹配的用户的个人信息。将声纹匹配获得的用户的个人信息与用户通过业务逻辑验证提供的个人信息进行核对，如果两者一致则用户身份核实通过，两者不一致则身份核实不通过。

用户身份确认

用户通过手机呼入，咨询信贷业务，手机归属地信息上海。用户不愿意直接表明身份，此时的业务场景是进行用户身份的识别。当用户接通坐席后，坐席会与用户进行常规对话，答复用户的问题，比如回答关于信贷业务的常规提问。同时，在与用户通话的过程中，用户的语音流被采集。基于该语音流获得当前语音特征，然后在各个声纹库中进行匹配。结合声纹库的分类权重和匹配的相似度，找到具有最高的声纹认证值的声纹。该声纹保存在黑名单上海库中，分类声纹库的分类信息中，业务分类为黑名单，属地分类为上海。此时调用在声纹注册时与该声纹信息相匹配的用户的个人信息。将声纹匹配获得的用户的个人信息提供给坐席，同时提示坐席该用户为黑名单用户。

不良中介声纹获取

在通过其他途径获得了不良中介的信息后，为了获得不良中介的声纹信息，以便于今后进行识别，此时会由专门的坐席或者软件控制，主动呼叫不良中介的电话或者其他终端。当接通后，与用户进行对话以获得语音流。用户的语音流被采集。通过声纹模型解析该语音的特征为声纹信息，然后将声纹信息保存到黑名单库中。如果能够得到不良中介的属地信息的，则进一步将声纹模型保存到相应属地分类的黑名单库中。如果今后该不良中介接入咨询，或者作为其客户的证明人员是，能够及时识别出其身份并提醒该声纹信息是黑名单声纹信息。

本发明利用声纹信息这一难以伪造和包装的生物特性，结合具体的业务场景进行声纹信息和业务逻辑的双重身份验证，能有效提升识别率和验证可靠性，在用户的身份认证或者身份识别方面，具有广泛的应用前景。

上述实施例是提供给熟悉本领域内的人员来实现或使用本发明的，熟悉本领域的人员可在不脱离本发明的发明思想的情况下，对上述实施例做出种种修改或变化，因而本发明的保护范围并不被上述实施例所限，而应该是符合权利要求书提到的创新性特征的最大范围。