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»
и распознавание диктора
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 публикации
по теме "Анализ и распознавание голосовых образов диктора"
Аутентификация по голосовым паролям с обеспечением конфиденциальности биометрических данных на основе корреляционных нейронов
защищенное исполнение нейросетевых алгоритмов, обработка коррелированных биометрических признаков, голосовая биометрия, нейросетевые преобразователи «биометрия-код», анализ временных рядов, автокодировщики.
https://i-us.ru/index.php/ius/article/view/16209
Аутентификация по голосовым паролям с обеспечением конфиденциальности биометрических данных на основе корреляционных нейронов / А. Е. Сулавко, Д. П. Иниватов, В. И. Васильев, П. С. Ложников // Информационно-управляющие системы. – 2024. – № 2(129). – С. 21-38. – DOI 10.31799/1684-8853-2024-2-21-38. – EDN YIVAYM

Введение: вопрос защиты биометрических данных от компрометации тесно связан с вопросами производительности. Существующие методы биометрической аутентификации по голосу либо не позволяют защитить голосовые данные от компрометации, либо дают высокий процент ошибочных решений и, кроме того, не гарантируют устойчивость к дрейфу голосовых образов. Цель: разработать метод биометрической аутентификации по голосу, устойчивый к дрейфу биометрических данных, с обеспечением конфиденциальности параметров голоса. Результаты: предложен метод аутентификации с использованием нейросетевых преобразователей биометрия-код на базе модифицированной модели корреляционных нейронов и алгоритмов их обучения. Вычислительный эксперимент показал, что корреляционные связи между признаками содержат информацию об образах, которая не дублирует информацию, содержащуюся в признаках. Преобразователь биометрия-код на базе корреляционных нейронов дает гораздо меньший процент ошибок и в разы большую длину ключа, чем классическая модель на базе алгоритма обучения ГОСТ Р 52633.5. Количество ошибок составило 3,26 %. При изменении состояния субъекта (опьянении или сонном состоянии) для разработанного метода количество ошибок повышается не столь существенно, чем для классической модели нейросетевого преобразователя биометрия-код. Практическая значимость: результаты могут использоваться для повышения защищенности компьютерных ресурсов от неавторизованного доступа и биометрических данных от компрометации. Обсуждение: объединение нейронов различного типа в единый слой позволит создать более устойчивые и надежные нейросетевые преобразователи биометрия-код.



Study of an Impact of Alcohol Intoxication on Voice Parameters in Biometric Authentication Systems
влияние опьянения на голос, идентификация диктора, биометрия, голосовая аналитика, набор речевых записей, машинное обучение, искажение голоса, алкогольное опьянение, дистанционная оценка психофизиологического состояния
https://ieeexplore.ieee.org/document/10349537
Inivatov, D.P., Sulavko, A.E., Samotuga, A.E. The Study of an Impact of Alcohol Intoxication on Voice Parameters in Biometric Authentication Systems // 2023 International Scientific and Technical Conference on Dynamics of Systems, Mechanisms and Machines, Dynamics 2023 - Proceedings, 2023
Изменение голосовых характеристик человека под воздействием алкогольного опьянения отрицательно влияет на эффективность процедуры распознавания личности по голосу. Поэтому определение уровня алкоголя в крови дистанционно позволяет не только выявить факт нахождения субъекта в измененном психофизиологическом состоянии, но и дает возможность скорректировать настройки алгоритма принятия решений для повышения надежности голосовой аутентификации. Целью работы является анализ существующих научных работ и результатов в области оценки уровня алкогольной интоксикации по голосу, анализ наборов данных, позволяющих обучить модели искусственного интеллекта выявлять факт опьянения, а также анализ факторов влияния психофизиологического состояния диктора на параметры его речи. Исследование включает сравнительный анализ научных работ из таких баз как Scopus, Web of Science, ВАК и учитывает такие факторы, как пол, возраст, стадии алкогольного опьянения, качество записи и уровень окружающего шума. По итогу анализа научных публикаций, исследование определяет метод случайного леса как один из наиболее эффективных методов машинного обучения, демонстрируя точность 95,3% по проприетарным наборам речевых данных и 80% для широко используемого алкогольного языкового корпуса.
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