Для функционирования сайта могут собираться метаданные (сcookie, IP-адрес, местоположение). Если Вы не хотите, чтобы эти данные обрабатывались, то покиньте сайт.
OK
Приложение
«Голосовой алкотестер»
Программа, способная оценить степень алкогольного опьянения пользователя смартфона по "голосовому отпечатку"
Назначение и принципы работы

В основе программы предполагается использовать ансамбли глубоких нейронных сетей, предварительно обученных на большой выборке дикторов, находившихся в различных стадиях алкогольного опьянения.

Человек произносит ключевую фразу несколько раз или воспроизводит произвольный фрагмент речи, а мобильное приложение должно распознать стадию алкогольного опьянения, в которой предположительно находится человек, в соответствии с одной из известных классификаций, например, Федеральных правил полетов США (91.17: Алкоголь и пилотирование) или методических указаний Минздрава (от 03.07.1974 «О судебно-медицинской диагностике смертельных отравлений этиловым алкоголем и допускаемых при этом ошибках»). При этом должна выводиться интервальная оценка содержания алкоголя в крови (в промилле).

Приложение разрабатывается для наиболее популярных мобильных операционных систем.

OS Android
iOS

Основные участники проекта
Сулавко Алексей Евгеньевич
руководитель проекта
кандидат техн. наук, доцент каф. КЗИ, старший научный сотрудник ОмГТУ
Васильев Владимир Иванович
исследователь и научный консультант
доктор технических наук, профессор, заслуженный деятель науки РФ и РБ,
каф. ВТиЗИ, УГАТУ (Уфа)
Иниватов Даниил Павлович
исследователь
аспирант каф. КЗИ, ОмГТУ
Левитская Елена Андреевна
исследователь
кандидат технических наук, инженер-исследователь РФЯЦ – ВНИИТФ (Снежинск)
Борисов Роман Владимирович
исследователь
окончил аспирантуру СибАДИ
Жумажанова Самал Сагидулловна
исследователь, переводчик
аспирант каф. КЗИ, ОмГТУ
Основные публикации
по теме "Анализ и распознавание голосовых образов диктора"
Высоконадёжная двухфакторная биометрическая аутентификация по рукописным и голосовым паролям на основе гибких нейронных сетей
гибридные сети, квадратичные формы, функционалы Байеса, особенности воспроизведения рукописных образов, параметры голоса, широкие нейронные сети, преобразователи «биометрия-код», защищенные нейросетевые контейнеры
http://computeroptics.smr.ru/KO/PDF/KO44-1/440111.pdf

Сулавко, А.Е. Высоконадежная двухфакторная биометрическая аутентификация по рукописным и голосовым паролям на основе гибких нейронных сетей // Компьютерная оптика. – 2020. – Т. 44, № 1. – С. 82-91. – DOI: 10.18287/2412-6179-CO-567

Sulavko AE. Highly reliable two-factor biometric authentication based on handwritten

and voice passwords using flexible neural networks. Computer Optics 2020; 44(1): 82-91.

DOI: 10.18287/2412-6179-CO-567

В работе рассматривается проблема высоконадежной биометрической аутентификации на основе преобразователей тайных биометрических образов в длинный ключ или пароль, а также их тестирования на сравнительно малых выборках (тысячи образов). Статические образы являются открытыми, поэтому при удаленной аутентификации доверие к ним ограничено. Описан процесс вычисления биометрических параметров голосового и рукописного паролей, предложен метод автоматического формирования гибкой гибридной сети, состоящей из нейронов различного типа, и абсолютно устойчивый алгоритм ее обучения на малых выборках «Свой» (7–15 примеров). Предложен метод обученного гибридного преобразователя «биометрия-код» от извлечения знаний. Достигнуты низкие показатели FAR.
Влияние психофизиологического состояния диктора на параметры его голоса и результаты биометрической аутентификации по речевому паролю
распознавание образов, параметры речевого сигнала, голосовой пароль, биометрическая аутентификация, психофизиологическое состояние диктора, состояние алкогольного опьянения
http://ipo.spb.ru/journal/index.php?article/1952/

Сулавко А.Е., Еременко А.В., Борисов Р.В., Иниватов Д.П. Влияние психофизиологического состояния диктора на параметры его голоса и результаты биометрической аутентификации по речевому паролю // Компьютерные инструменты в образовании. - 2017. - №4. - С. 29-47

В работе использовались два метода для вычисления идентификационных характеристик голоса диктора. Один из них основан на прямом преобразовании Фурье, второй — на оконном преобразовании с последующей интеграцией значений каждой гармоники всех окон. Определена информативность данных характеристик. Дана оценка того, каким образом параметры голоса и их информативность изменяются в зависимости от степени алкогольного опьянения человека и в сонном состоянии. Проведен вычислительный эксперимент по оценке надежности распознавания дикторов в пространстве выбранных признаков с помощью функционалов, основанных на формуле гипотез Байеса, мере Пирсона, мере хи-модуль, критериях Джини, Крамера-фон Мизеса, а также персептронов, обучаемых по ГОСТ Р 52633.5-2011, и сетей квадратичных форм. Дана оценка устойчивости указанных методов и функционалов к изменению психофизиологического состояния диктора в плане робастности получаемых результатов распознавания.
Генерация криптографических ключей на основе голосовых сообщений
голосовые сообщения, нечеткий экстрактор, помехоустойчивое кодирование, биометрия, идентификация диктора
ознакомиться с работой на cyberleninka.ru

Сулавко А.Е., Еременко А.В., Борисов Р.В. Генерация криптографических ключей на основе голосовых сообщений // Прикладная информатика / НОУ ВПО «МФПУ «Синергия», Москва, 2016, №5, С. 76-89

Рассмотрена проблема генерации ключевых последовательностей на основе биометрических данных. Предложены два пространства признаков голоса человека (зависимое и не зависимое от произносимой фразы), способы генерации ключей на основе голосовых сообщений на основе метода нечетких экстракторов с использованием кодов Адамара и БЧХ, исправляющих ошибки. Произведена оценка эффективности описанных способов.

Made on
Tilda