基于语音识别的双因子认证方法、装置及系统制造方法及图纸

本发明专利技术公开了一种基于语音识别的双因子认证方法、装置及系统，所述方法包括获取用户输入的语音数据；调用预设的语音识别模型，判断用户输入的语音数据是否为已定义词语，以及是否为目标客户的语音；获取用户输入的密码；调用密码识别模型，判断用户输入的密码是否满足预设的要求；当用户输入的语音数据为已定义词语，且为目标客户的语音；同时满足用户输入的密码满足预设的要求，则完成认证。本发明专利技术可以识别已定义的特定词语，通过对语音特征提取分类，区分是系统包含的语音或未包含的未知语音，从而对特定用户的语音进行身份认证。从而对特定用户的语音进行身份认证。从而对特定用户的语音进行身份认证。

【技术实现步骤摘要】
基于语音识别的双因子认证方法、装置及系统


[0001]本专利技术属于语音识别
，具体涉及一种基于语音识别的双因子认证方法、装置及系统。

技术介绍

[0002]双因子认证(Two
‑
factor authentication，TFA)指的是使用两种不同类型的认证方式保护用户的帐户，即必须提供下面三种要素中的两种：
[0003]1.被认证的人所知道的某个秘密，例如：密码信息或是安全问题的答案；
[0004]2.被认证的人所拥有的某个东西，例如：持有智能手机或是其他物理设备；
[0005]3.被认证的人身上所固有的特性，例如：指纹、虹膜或是者声音之类的身体特征。
[0006]依靠上述任何两种组合完成的认证，都可以称为是双因子认证。目前常见的双因子认证实现类型主要为以下六种：
[0007]方式1：安全问题；该方式在创建帐户时，可以选取一到多个安全问题，并事先为每个问题设置好相应的答案。后续在使用该帐户登录的时候，必须针对每一个问题提供正确的答案，方可完成身份验证以及访问授权。
[0008]方式2：短信或电子邮件；在创建帐户的时候，提供某个常用的手机号码。当再次登录时，系统会通过短信或电子邮件发送验证代码。这是一个临时的验证码，它会在较短的时间内(如：1～5分钟)过期。因此，必须及时将它输入并提交，才能完成登录。
[0009]方式3：基于时间的一次性密码(One
‑
Time Password，OTP)；如果有条件的话，可以使用身份认证应用程序，扫描某个包含密钥的二维码。据此，密钥会被加载到该应用之中，并生成定期变化的临时密码，通过将该密码输入页面，便可完成登录所需的认证。
[0010]方式4：U2F钥匙；通用双因素(Universal 2nd Factor，U2F)是一种开放的标准，可被用于USB设备、NFC设备、以及智能卡中。在身份认证的过程中，只需插入USB密钥，碰一碰NFC设备、或是滑一下智能卡即可。
[0011]方式5：推送通知；在某些平台上，当输入了密码之后，会在设备上收到包含相关登录尝试通知的推送消息。只需在设备上点击批准或拒绝，便可响应请求。
[0012]方式6：生物识别；面部识别、语音识别和指纹扫描都属于生物识别的类型。它们往往被运用在某些需要安全检查的区域，以确定访客的真实身份。
[0013]语音识别系统的性能很大程度上取决于语音表示，语音表示的质量可受到多种变化的影响，诸如，音调，响度和音色。设计足够有辨别力的系统以识别区分语音是很有意义的。语音识别主要分为文本无关和文本相关，文本无关的识别系统只需采集相对比较短的一段语音即可实现声纹的识别，但从用户体验和成本的角度上考虑，文本无关的模型往往需要目标用户几个小时甚至更多的训练数据。

技术实现思路

[0014]针对上述问题，本专利技术提出一种基于语音识别的双因子认证方法、装置及系统，可
以识别已定义的特定词语，通过对语音特征提取分类，区分是系统包含的语音或未包含的未知语音，从而对特定用户的语音进行身份认证。
[0015]为了实现上述技术目的，达到上述技术效果，本专利技术通过以下技术方案实现：
[0016]第一方面，本专利技术提供了一种基于语音识别的双因子认证方法，包括：
[0017]获取用户输入的语音数据；
[0018]调用预设的语音识别模型，判断用户输入的语音数据是否为已定义词语，以及是否为目标客户的语音；
[0019]获取用户输入的密码；
[0020]调用密码识别模型，判断用户输入的密码是否满足预设的要求；
[0021]当用户输入的语音数据为已定义词语，且为目标客户的语音；同时满足用户输入的密码满足预设的要求，则完成认证。
[0022]可选地，所述语音识别模型通过以下方法获得：
[0023]采集指定词语和非指定词语语音数据，形成第一个样本集，并进行特征提取，转换为第一频谱图；
[0024]采集目标用户的指定词语和非目标用户的指定词语语音数据，形成第二个样本集，并进行特征提取，转换为第二频谱图；
[0025]将所述第一频谱图和第二频谱图分别送入预设的卷积神经网络模型，所述卷积神经网络模型包括顺次相连的第一卷积层、第一池化层、第二卷积层、第二池化层、第一全连接层、Dropout层和第二全连接层；所述第一频谱图和第二频谱图均经第一卷积层、第一池化层、第二卷积层、第二池化层处理后送入第一全连接层；
[0026]不断调节卷积神经网络模型的参数，生成最终的语音识别模型。
[0027]可选地，所述第一卷积层和第二卷积层均采用3*3卷积核作为特征提取滤波器。
[0028]可选地，所述第一池化层和第二池化层均采用求最大值的方式。
[0029]第二方面，本专利技术提供了一种基于语音识别的双因子认证装置，包括：
[0030]第一获取模块，用于获取用户输入的语音数据；
[0031]第一判断模块，用于调用预设的语音识别模型，判断用户输入的语音数据是否为已定义词语，以及是否为目标客户的语音；
[0032]第二获取模块，获取用户输入的密码；
[0033]第二判断模块，调用密码识别模型，判断用户输入的密码是否满足预设的要求；
[0034]认证模块，用于当用户输入的语音数据为已定义词语，且为目标客户的语音；同时满足用户输入的密码满足预设的要求，则完成认证。
[0035]可选地，所述语音识别模型通过以下方法获得：
[0036]采集指定词语和非指定词语语音数据，形成第一个样本集，并进行特征提取，转换为第一频谱图；
[0037]采集目标用户的指定词语和非目标用户的指定词语语音数据，形成第二个样本集，并进行特征提取，转换为第二频谱图；
[0038]将所述第一频谱图和第二频谱图分别送入预设的卷积神经网络模型，所述卷积神经网络模型包括顺次相连的第一卷积层、第一池化层、第二卷积层、第二池化层、第一全连接层、Dropout层和第二全连接层；所述第一频谱图和第二频谱图均经第一卷积层、第一池
化层、第二卷积层、第二池化层处理后送入第一全连接层；
[0039]不断调节卷积神经网络模型的参数，生成最终的语音识别模型。
[0040]可选地，所述第一卷积层和第二卷积层均采用3*3卷积核作为特征提取滤波器。
[0041]可选地，所述第一池化层和第二池化层均采用求最大值的方式。
[0042]第三方面，本专利技术提供了一种基于语音识别的双因子认证方法，包括：
[0043]处理器；
[0044]存储器，其上存储有可在所述处理器上运行的计算机程序；
[0045]其中，所述计算机程序被所述处理器执行时实现如第一方面中任一项所述的方法。
[0046]与现有技术相比，本专利技术的有益效果：
[0047]本专利技术在用户登录电力系统的内网终端主机过程中，使用“密码+语音”双因子身本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于语音识别的双因子认证方法，其特征在于，包括：获取用户输入的语音数据；调用预设的语音识别模型，判断用户输入的语音数据是否为已定义词语，以及是否为目标客户的语音；获取用户输入的密码；调用密码识别模型，判断用户输入的密码是否满足预设的要求；当用户输入的语音数据为已定义词语，且为目标客户的语音；同时满足用户输入的密码满足预设的要求，则完成认证。2.根据权利要求1所述的一种基于语音识别的双因子认证方法，其特征在于：所述语音识别模型通过以下方法获得：采集指定词语和非指定词语语音数据，形成第一个样本集，并进行特征提取，转换为第一频谱图；采集目标用户的指定词语和非目标用户的指定词语语音数据，形成第二个样本集，并进行特征提取，转换为第二频谱图；将所述第一频谱图和第二频谱图分别送入预设的卷积神经网络模型，所述卷积神经网络模型包括顺次相连的第一卷积层、第一池化层、第二卷积层、第二池化层、第一全连接层、Dropout层和第二全连接层；所述第一频谱图和第二频谱图均经第一卷积层、第一池化层、第二卷积层、第二池化层处理后送入第一全连接层；不断调节卷积神经网络模型的参数，生成最终的语音识别模型。3.根据权利要求2所述的一种基于语音识别的双因子认证方法，其特征在于：所述第一卷积层和第二卷积层均采用3*3卷积核作为特征提取滤波器。4.根据权利要求2所述的一种基于语音识别的双因子认证方法，其特征在于：所述第一池化层和第二池化层均采用求最大值的方式。5.一种基于语音识别的双因子认证装置，其特征在于，包括：第一获取模块，用于获取用户输入的语音数据；第一判断模块，用于调用预设的语音识别模型，判断用户输...

【专利技术属性】
技术研发人员：潘超，杨立宾，曾强，王志男，王磊，姜海阔，
申请(专利权)人：国电南京自动化股份有限公司，
类型：发明
国别省市：