专利名称：电子商务交易方法
技术领域：
本发明关于一种电子商务交易方法，其特别有关于进行电子商务交易的声纹验证外，另结合高斯分布机率、动态时间校准算法及隐藏式马可夫模式，并利来维特比(Viterbi)算法获得最相似路径，以便计算模型参数的声纹验证系统。
背景技术：
现有的电子商务交易方法，如中国台湾专利公告第385416号“电子商务系统”的发明专利，其揭示一种在网络上的交易记录(transaction log)提供存盘安全(archiving safety)的电子商务系统(commerce system)，其包括一对话密钥产生器(session key creator)用以产生一对话密钥以加密该交易记录；交易记录加密器(encryptor)用以加密使用该对话密钥的该交易记录；及交易记录发送器用以将该已加密交易记录发送至该网络上的存盘服务器(server)。然而，该385416号仅将交易记录加密以便进行数据传输及储存，未针对使用者加以辨识身份。
另一个现有的电子商务交易方法，如中国台湾专利公告第550477号“网站帐户的方法、系统及计算机可读取媒体及自中央位置的电子商务管理”的发明专利，其揭示一种用以管理一使用者在目的地电子商务网站上进行线上(中央网站)金融交易的方法，其包括登入使用者至目的地电子商务网站；产生该使用者于该中央网站中的唯一使用者名称及密码；利用该唯一使用使用者名称及密码在或多个目的地网站上进行注册；传输一启用指令至处理金融交易的金融机构用以启动该使用者的信用卡或签帐卡帐户；当该信用卡或签帐卡帐户为启用状态时，经由该目的地电子商务网站发送该信用卡或签帐卡帐户的付费请求至该金融机构；及传输一撤销指令至该金融机构以撤销该信用卡或签帐卡帐户；其中当该信用卡或签帐卡帐户为启用状态时，该金融机构只接受及处理从该电子商务网站所接收的付费请求；及其中当该信用卡或签帐卡帐户为撤销状态时，该金融机构拒绝付费请求。然而，该第550477号仅利用使用者的唯一名称及密码加以辨识身份，因此其具有密码泄漏的疑虑。
简言之，该第385416号及第550477号的电子商务交易。需要进步加以改进，以便能准确辨识使用者的身份。
至于现有的声纹验证方法，如中国台湾专利公告第490655号“利用声谱信息辩识使用者的方法与其装置”的发明专利，其利用不同使用者特有的声谱信息辨识使用者的身份，以决定使用者是否经过授权。该方法包含步骤(1)、使用者发出语音后，侦测语音的终点；(2)、自该语音的声谱中取出语音特征；(3)、决定是否需要训练，若是，则将该语音特征作为参考样本，同时设定界限，若否，则进行下步骤；(4)、将该语音特征与参考样本进行图样比较；(5)、依该比较结果计算两者之间的距离；(6)、将该计算结果与设定界限比较；(7)、依该比较结果决定该使用者是否为授权使用者。该方法使用于行动电话，其利用声谱分析方法将语音的独特信息取出，由此进行辨识使用者的方法。该第490655号主要利用每一时框(frame)的主要值与使用者设定的界限进行比较，决定语音的始点与终点后，再利用Princen-Bradley滤波器转换已侦测的语音信号，以便取得其对应声谱图案。该声谱图案与预先储存的参考声谱样本进行比较，以辨识使用者的声纹。
简言之，该第490655号需要进行图案的匹配及距离的运算，若该运算距离未超过界限时，使用者即可通过声纹辨识。然而，该第490655号在进行图案的匹配及距离的运算时，必须计算在参考样本及测试样本之间的距离。事实上，该参考样本所占用数据库的空间相当大，因此其不但需要较大的数据库空间且需要更长的档案传输时间。若将该声纹验证技术能应用在电子商务交易时，具有延长交易时间的缺点。
因此，该第490655号仍有必要进步改良其参考样本的占用空间的问题，如此能节省储存参考样本的数据库空间，以避免使用者数量的限制。利用减少该参考样本的位的方法，更能加速声纹验证所需时间，且更能提升辨识率，以便将声纹验证技术能应用在电子商务交易时，能缩短交易的时间。
有鉴于此，本发明改进上述的缺点，其在进行电子商务交易时，除了利用声纹验证系统进行辨识使用者的身份外，且该声纹验证系统另结合高斯分布机率、动态时间校准算法及隐藏式马可夫模式，并利用维特比算法获得最相似路径，以便计算模型参数。
发明内容
本发明主要目的是提供一种电子商务交易方法，该方法在进行电子商务交易时，利用声纹验证系统进行辨识使用者的身份，使本发明具有提升辨识率的功效。
本发明次要目的是提供一种电子商务交易的声纹验证系统，其除了进行电子商务交易的声纹验证外，其另结合高斯分布机率、动态时间校准算法及隐藏式马可夫模式，并利用维特比算法获得最相似路径，以便计算模型参数，使本发明具有简化训练及测试作业的功效。
根据本发明的电子商务交易方法，该方法包含步骤客户帐号由一连接装置进行登录；利用一可辨识装置确认客户基本资料；该可辨识装置进行核对是否已申请声纹比较；利用一声纹验证系统选择进行声纹辨识或注册声纹辨识；及该可辨识装置决定允许或拒绝进行电子商务交易。
本发明的声纹验证系统包含前端处理部、特征撷取部、一训练系统及一测试系统，以便对原始输入语音资料进行训练或测试作业。在训练语音上，该训练系统利用该前端处理部自该原始输入语音资料撷取有效训练语音信息；再利用该特征撷取部进行撷取该有效训练语音特征；再进行运算该有效训练语音信息以获得最相似路径，以便作为模型参数。同样在测试语音上，该测试系统利用该前端处理部自该原始输入语音资料撷取有效测试语音信息；再利用该特征撷取部进行撷取该有效测试语音特征；再进行运算该测试语音特征与模型参数之间相似机率以便输出一辨识结果。
图1为本发明较佳实施例电子商务交易的声纹验证系统的流程图。
图2为本发明较佳实施例的声纹验证系统的流程方块图。
图3为本发明较佳实施例的声纹验证系统的状态及音框的关系示意图。
图4为本发明较佳实施例的声纹验证系统的音框与状态的初始分配模式示意图。
图5为本发明较佳实施例的声纹验证系统的状态转换示意图。
图6为本发明较佳实施例的声纹验证系统的最相似路径示意图。
图7为本发明较佳实施例的声纹验证系统的均分音框示意图。
图8为本发明较佳实施例的声纹验证系统的第一次重新分配音框示意图。
图9为本发明较佳实施例的声纹验证系统的第二次重新分配音框示意图。
图10为本发明较佳实施例的声纹验证系统的最佳分配音框示意图。
图号说明1声纹验证系统10训练系统20测试系统具体实施方式
图1揭示本发明较佳实施例电子商务交易的声纹验证系统的流程图。
请参照图1所示，本发明较佳实施例电子商务交易的声纹验证系统在开始进行交易时，首先将客户帐号由连接装置进行登录。该连接装置包含个人计算机(personal computer)、一自动存提款机(automated Teller Machine)、一特约商店刷卡机(credit card Verifier)等，即可连接进行一般商务交易。
请再参照图1所示，接着，将客户基本资料传送至声纹验证中心，该声纹验证中心可选择设置在特约商店、金融机构或特定管理机构。声纹验证中心利用可辨识装置确认客户基本资料，该可辨识装置包含可程序辨识逻辑电路等。此外，该声纹验证中心具有一声纹验证系统。
请再参照图1所示，接着，该可辨识装置进行核对该客户是否已申请声纹比较，即产生该客户是否需要进行声纹比较的结果。该声纹验证中心将该结果传回该连接装置，以便进行后续电子商务交易程序。
图2揭示本发明较佳实施例的声纹验证系统的流程方块图。
请参照图2所示，本发明较佳实施例的声纹验证系统1包含训练系统10及测试系统20，以便对原始输入语音资料进行训练或测试作业。该声纹验证系统1另包含一前端处理部、一特征撷取部、一储存部及一运算部。该前端处理部及特征撷取部供该训练系统10及测试系统20进行前端处理及特征撷取，该储存部供语音特征加以储存，该运算部则将该储存语音特征及输入语音特征加以运算。
当客户帐号输入本发明的声纹验证系统1时，即可进行确认身份。接着，该系统依输入帐号查询数据库，是否该输入帐号属于已建立。若该输入帐号未建立时，要求是否进入该训练系统10进行语音训练作业，以便建立及储存该输入帐号的语音资料。若该输入帐号已建立时，进入该测试系统20进行语音测试作业，以便辨识该输入帐号的语音特征是否符合已储存该输入帐号的语音资料。
让再参照图1及图2所示，接着，当客户未申请声纹比较时，则进入要求客户输入个人密码。若客户输入不正确个人密码后，即进入拒绝交易阶段。随客户输入正确个人密码后，要求是否申请声纹辨识注册。当选择不申请声纹辨识注册时，即进入允许交易阶段。反之，当选择申请声纹辨识注册时，即进入该声纹验证系统1的训练系统10。
本发明的声纹辨识注册操作该训练系统10的详述如下在撷取语音特征的前，利用该前端处理部将有效语音信息自原始输入语音资料撷取，以滤除无效语音信息。本发明侦测包含短时距能量(Short-Energy)及过零率(zero-Crossing Rate)。本发明采用结合高斯机率分布的计算方法，其方程式如下bi(X)→=1(2π)D/2|∑i|1/2exp{-12(x→-u→i)1∑i-1((x→-u→i)}---(1)]]>其中 为原始信号将其分为多个D维的音框、 i＝1，...，M为所属机率， 为背景噪声的期望值、∑i为背景噪声的变异数。在此，因为 中的D＝256为一个定值，故将其省略不予计算，将方程式简化如下bi(x→)=1|∑i|1/2exp{-12(x→-u→i)1∑i-1(x→-u→i)}---(2)]]>上式中的指数运算，在运算数据上有可能过大，故将其取对数后，将方程式(2)简化如下bi(x→)=ln(1|∑i|1/2exp{-12(x→-u→i)1∑i-1(x→-u→i)})]]>=ln1|∑i|1/2-12(x→-u→i)1∑i-1(x→-u→i)]]>bi(x→)=(-12)ln|∑i|--12(x→-u→i)1∑i-1(x→-u→i)---(3)]]>撷取原输入语音资料前端256点，计算短时距能量及过零率的期望值及变异数，接着将该两个数及原输入语音资料代入该方程式(3)进行运算。利用短时距能量与过零率的分布机率区分有效语音信息及无效语音信息，将无效语音信息加以滤除，不但减少资料量，亦能正确撷取有效语音信息。
在该特征撷取部进行撷取特征上，本发明采用两个语音识别特别特征参数，其包含线性预测倒频谱系数(Linear Prediction Cepstrum Coefficient，LPCC)及梅尔频标倒频谱参数(Mel Frequency Censtrum Coefficient，MFCC)两者各12个倒频谱参数(cepstral coefficients)及12个倒频谱参数(delta-censtral coefficients)。将倒频谱参数cn对时间做偏微分Δcn(t)=∂cn(t)∂(t)=∑k=-kkkcn(t+k)∑k=-kkk2---(4)]]>k为考虑音框数。
因为一阶倒频谱参数的公式(4)过于复杂，故将其加以简化，下列各式为仅考虑前后各两个时框时，方程式简化如下Δcn0=[2*c(2,n)+c(1,n)]/5---(5)]]>Δcn1=[2*c(3,n)+c(2,n)-c(0,n)]/6---(6)]]>Δcni=[2*c(i+2,n)+c(i+1,n)-c(i-1,n)-2*c(i-2,n)]/10---(7)]]>ΔcnL-2=[c(L-1,n)-c(L-3,n)-2*c(L-4,n)]/6---(8)]]>ΔcnL-1=[-c(L-2,n)-2*c(L-3,n)]/5---(9)]]>方程式(5)至(9)中，Cn为n阶特征值，L为信号中时框总数，i为时框编号。
图3揭示本发明较佳实施例的声纹验证系统的状态及音框的关系示意图。
在训练语音上，语音具有所谓“状态”的观念，状态是发音时嘴型以及声道的变化。一般而言，每次说话嘴型一定有变化，故每个状态都是一个语音变化的特征表现。有时一个单音却有可能含有多个状态。一个状态并不像音框一样具有固定尺寸，通常一个状态包含多个或数十个音框。
请参照图3所示，第一状态包含三个音框、第二状态包含六个音框及第三状态包含四个音框。
图4揭示本发明较佳实施例的声纹验证系统的音框与状态的初始分配模式示意图。该初始分配模式举例三个样本语音进行均分动作。
在初始模式将语音作均分动作，在均分后可能无法整除，多余音框则将其平分在第一个及最后一个状态。请再参照图3所示，在分配模式中，样本语音均分必须考虑三点1、第个音框一定属于第一个状态；2、最后一个音框一定属于最后一个状态；3、音框的状态变化，只有不变或变化至下一个。采用高斯分配机率计算每个音框属于每个状态的机率，并且利用维特比算法获得最相似路径。
图5揭示本发明较佳实施例的声纹验证系统的状态转换示意图。
请参照图5所示，在三个状态时，L个音框可能状态转换的方向。将打叉音框视为不可能属于的状态，箭头的方向视为可能状态变化路径。
图6揭示本发明较佳实施例的声纹验证系统的最相似路径示意图。
请参照图6所示，撷取特征的最相似路径具有第一状态包含第1至3音框、第二状态包含第4至5音框及第三状态包含第7至10音框。
图7揭示本发明较佳实施例的声纹验证系统的均分音框示意图。
参照图7所示，三个样本语音在三个状态的初始模式，其采均分后的分布。第一样本语音的每个样本语音均分三个音框后，剩余两个音框分别分配置第一状态及第二伏态。第二样本语音的每个样本语音均分四个音框。第三样本语音的每个样本语音均分三个音框后，剩余一个音框分别配置第一状态。在计算后，其最大相似机率为2157。
图8揭示本发明较佳实施例的声纹验证系统的第一次重新分配音框示意图。
请参照图8所示，在第一次重新分配音框后，其最大相似机率上升至3171。
图9揭示本发明较佳实施例的声纹验证系统的第二次重新分配音框示意图。
请参照图9所示，在第二次重新分配音框后，其最大相似机率上升至3571。
图10揭示本发明较佳实施例的声纹验证系统的最佳分配音框示意图。
请参照图10所示，在多次重新分配音框后，其最大相似机率3571不再上升，因此其视为最佳分配音框。计算各状态的期望值及变异数作为模型参数，该模型参数可供储存在数据库。
请再参照图2所示，在进入该训练系统10进行语音训练作业时，运算方程式(1)至(9)获得有效训练语音特征。接着利用维特比算法获得最相似路径。接着计算各状态的期望值及变异数作为模型参数，即完成语音训练作业。在语音训练上，其最大相似机率小于预定参考值时，无法验过语音训练且结束训练作业，因而必须重新操作该声纹公证系统1；反之，其最大相似机率大于该预定参考值时，通过语音训练，因而将模型参数储存在该声纹验证系统1。
请再参照图1所示，当完成申请声纹辨识注册时，即进入允许交易阶段。
请再参照图1及图2所示，该输入帐号已建立时，进入该测试系统20进行语音测试作业。本发明的声纹辨识测试操作该测试系统20的详述如下同样的在进入该测试系统20进行语音测试作业时，运算方程式(1)至(9)获得有效测试语音特征。
请再参照图2所示，接着，进行运算该测试语音特征与模型参数之间相似机率以便输出辨识结果。在语音辨识上，其最小相似机率大于预定参考值时，通过语音辨识，因而可离开该声纹验证系统1，且进入后续电子商务交易程序；反之，其最小相似机率小于该预定参考值时，无法通过语音辨识且结束测试作业，因而必须离开该声纹验证系统1，且拒绝进行后续电子商务交易程序。
请再参照图1及图2所示，最后，该可辨识装置依该声纹验证系统1的测试系统20测试结果决定允许或拒绝进行电子商务交易。
权利要求
1.一种电子商务交易方法，其特征在于，包含步骤客户帐号由一连接装置进行登录；利用一可辨识装置确认客户基本资料；该可辨识装置进行核对是否已申请声纹比较；利用声纹验证系统进行声纹辨识；及该可辨识装置决定允许、拒绝进行电子商务交易。
2.根据权利要求1所述的电子商务交易方法，其特征在于，该声纹验证系统包含一前端处理部，其用以进行前端处理该声纹验证系统的原始输入语音资料，因而完成区分有效语音信息及无效语音信息，再撷取有效语音信息；一特征撷取部，其用以进行撷取该有效语音信息的语音特征；一储存部，其将该语音特征加以储存；及一运算部，其将该储存语音特征及输入语音特征加以运算。
3.如权利要求2所述的电子商务交易方法，其特征在于，该声纹验证系统另包含一训练系统使用该前端处理部及特征撷取部，以获得原始输入语音资料的模型参数。
4.如权利要求3所述的电子商务交易方法，其特征在于，该可声纹验证系统的训练系统另利用维特比算法获得最相似路径，以便计算模型参数供储存。
5.如权利要求1所述的电子商务交易方法，其特征在于，该声纹验证系统另包含一测试系统使用该前端处理部及特征撷取部，以获得原始输入语音资料的语音特征。
6.如权利要求1所述的电子商务交易方法，其特征在于，当未申请声纹比较时，该声纹验证系统进入输入个人密码。
7.如权利要求6所述的电子商务交易方法，其特征在于，当输入正确个人密码时，进入是否申请注册声纹辨识阶段。
全文摘要
本发明为一种电子商务交易方法包含步骤客户帐号由一连接装置进行登录；利用可辨识装置确认客户基本资料；该可辨识装置进行核对是否已申请声纹比较；利用声纹验证系统选择进行声纹辨识或注册声纹辨识；及该可辨识装置决定允许或拒绝进行电子商务交易。
文档编号G10L17/00GK1848165SQ20051006318
公开日2006年10月18日 申请日期2005年4月5日 优先权日2005年4月5日
发明者余坤郎, 郑超群, 欧阳彦杰 申请人:积体数位股份有限公司