Impressão vocal Alunos: Daniel de Carvalho Cayres Pinto

Apresentação em tema: "Impressão vocal Alunos: Daniel de Carvalho Cayres Pinto"— Transcrição da apresentação:

1 Redes de Computadores I - 2010/1 Professor: Otto Carlos Muniz Bandeira Duarte
Impressão vocal Alunos: Daniel de Carvalho Cayres Pinto Felipe Madureira Fonseca Renan Mariano de Almeida Virginia Elaine Licério dos Santos

2 Introdução Objetivo Segurança de redes Biometria
Reconhecimento de Locutor

3 Processamento de voz Processamento de Voz Análise/Síntese
Reconhecimento Codificação Reconhecimento da voz Reconhecimento do locutor Identificação de linguagem

4 Reconhecimento do Locutor
Métodos Reconhecimento dependente de texto Reconhecimento independente de texto

5 Reconhecimento do Locutor
Configuração Típica PEDIDO DE ACESSO BD

6 Reconhecimento do Locutor
Configuração Típica PEDIDO DE ACESSO BD VOZ Verificação do Locutor Conversor Analógico Digital

7 Reconhecimento do Locutor
Configuração Típica PEDIDO DE ACESSO BD Acesso Liberado SIM VOZ Pontuação Mínima alcançada? Verificação do Locutor Conversor Analógico Digital NÃO Acesso Negado

8 Técnicas - HMM HMM (Hidden Markov Model) Cadeia de Markov
Modelagem dos Estados Matriz de Probabilidade de Transição Bom para Sequências Temporais

9 Técnicas - HMM

10 Técnicas - HMM HMM no Processamento de Voz
Modela uma palavra ou sub-unidade de palavra Limitações no desempenho em reconhecimento independente de texto.

11 Técnicas - GMM GMM (Gaussian Mixture Model)
Pode ser considerado um HMM de um estado só É independente do texto

12 Técnicas - GMM

13 Vulnerabilidades da Biometria
Falsa Rejeição Falsa Aceitação Erro no Registro

14 Conclusões Vantagens Classificadores Vulnerabilidades Segurança
Conveniência Classificadores Limitações Vulnerabilidades Relação falsa aceitação x falsa rejeição Outras formas de autenticação

15 Referências Bibliográficas
VICENTIN, J. M.; BARRETO, F. F. de B.; DICKEL, D.; SANTOS, P. V. Provendo Segurança através da Biometria. CIRIGLIANO, R. J. R. Identificação do Locutor: Otimização do Número de Componentes Gaussianas. Universidade Federal do Rio de Janeiro. PARREIRA, W. D.; CARRIJO, G. A. Reconhecimento de Locutor pela Voz usando o Classificador Polinomial e Quantização Vetorial. Faculdade de Engenharia Elétrica, UFU. PETRY, A.; ZANUZ, A. ; BARONE, D. A. C. Reconhecimento automático de pessoas pela voz através de técnicas de processamento digital de sinais. Instituto de Informática, Universidade Federal do Rio Grande do Sul.  DELLER, John R.; PROAKIS, John G.; HANSEN, John H. L., “Discrete-time Processing of Speech Signals”. Prentice Hall, 1987. RABINER, Lawrence; JUANG, Biing-Hwang, “Fundamentals of Speech Recognition”. Prentice Hall, 1993.

16 FIM Obrigado!

17 Perguntas 1) Quais as vantagens na utilização de sistemas de autenticação por voz? 2) Em um sistema com a configuração típica apresentada no trabalho, após feita a conversão da voz para informação digital, como se determina se o usuário é ou não autorizado? 3) No classificador com Modelos Ocultos de Markov, a cadeia é composta por estados e uma matriz de transição. O que os estados modelam em um sistema de reconhecimento de locutor?

18 Perguntas 4) O que é um sistema de reconhecimento de locutor dependente e independente de texto? 5) Ao implementar um sistema de autenticação por voz, um aluno percebeu que o sistema falhava muitas vezes ao identificar sua voz. Para resolver o problema ele diminuiu consideravelmente o limiar para aceitação do usuário. Há garantia de que o sistema funcionará melhor após essa modificação?

19 Respostas 1) As principais vantagens são segurança, pois as características biológicas são únicas, e conveniência, pois não há necessidade de nenhum equipamento (cartões ou chaves) para a autenticação. 2) É realizada a verificação do locutor, usando algum classificador baseado nas características da voz e depois é analisado se a verificação alcançou uma pontuação mínima. 3) Os estados podem modelar palavras ou sub-unidades de palavras, dependendo do tipo de classificador.

20 Respostas 4) O sistema dependente de texto é o que reconhece o locutor por um texto específico, o independente é o que reconhece o locutor sem a necessidade de especificação de um texto. 5) Não, pois reduzindo a pontuação mínima o número de falso-positivos pode aumentar, tornando o sistema inseguro. Ele deveria realizar testes para reduzir os falso-negativos sem afetar a segurança.