聲紋識別是一種比較特殊的生物特征識別方式，它既能利用生物的生理特征，也能利用行為特征，同時，聲紋識別是非接觸式的，識別過程相對簡便、快捷，識別中所需的存儲開銷和通信開銷較小，因而在近年來得到廣泛應(yīng)用，但這種認(rèn)證方式在采集用戶聲紋信息、認(rèn)證過程將把模板存儲時仍然面臨著多種數(shù)據(jù)安全與隱私泄露風(fēng)險，如基于聲紋的欺詐攻擊、對特征提取的干擾以及對用戶數(shù)據(jù)的竊取和篡改等，其中，針對聲紋識別的模板攻擊是主要威脅，傳統(tǒng)的聲紋識別模板保護(hù)方法存在影響聲紋識別精度和安全性較差的問題。

本發(fā)明的目的在于提供一種聲紋識別模板保護(hù)算法，旨在解決現(xiàn)有技術(shù)中的傳統(tǒng)的聲紋識別模板保護(hù)方法存在影響聲紋識別精度和安全性較差的問題的技術(shù)問題。

為實(shí)現(xiàn)上述目的，本發(fā)明采用的一種聲紋識模板保護(hù)方法，包括如下步驟：

建立聲紋識別系統(tǒng)模型；

獲取用戶注冊聲音，包括通過采集設(shè)備對用戶注冊聲音進(jìn)行采集，再進(jìn)行處理，獲得第一聲紋模板，提取第一聲紋模板的聲紋特征向量，輸入聲紋識別系統(tǒng)模型進(jìn)行訓(xùn)練，獲得第一模型庫；

采集用戶測試聲音，并對測試聲音進(jìn)行處理，獲得第二聲紋模板，提取第二聲紋模板的聲紋特征向量，輸入聲紋識別系統(tǒng)模型進(jìn)行訓(xùn)練，獲得第二模型庫；

計(jì)算第一模型庫的聲紋特征向量和所述第二模型庫的聲紋特征向量的相似度，若相似度大于閾值，則識別成功，若相似度小于閾值，則識別失敗。

獲取用戶注冊聲音，包括通過采集設(shè)備對用戶注冊聲音進(jìn)行采集，再進(jìn)行處理，獲得第一聲紋模板，提取第一聲紋模板的聲紋特征向量，輸入聲紋識別系統(tǒng)模型進(jìn)行訓(xùn)練，獲得第一模型庫包括：

提取第一聲紋模板的聲紋特征向量；

獲取聲紋識別系統(tǒng)模型生成的隨機(jī)矩陣，并進(jìn)行正交化，獲得正交矩陣；

加法分解正交矩陣；

將提取的聲紋特征向量與正交矩陣相乘，獲得聲紋特征向量一，再利用聲紋特征向量一與分解后的正交矩陣交叉相乘，獲得聲紋特征向量二，并發(fā)送至服務(wù)器中的聲紋識別系統(tǒng)模型進(jìn)行訓(xùn)練，獲得第一模型庫。

在采集用戶測試聲音，并對測試聲音進(jìn)行預(yù)處理，獲得第二聲紋模板，提取第二聲紋模板的聲紋特征向量，輸入聲紋識別系統(tǒng)模型進(jìn)行訓(xùn)練，獲得第二模型庫的步驟中，提取第二聲紋模板的聲紋特征向量具體操作為：

提取第二聲紋模板的聲紋特征向量；

獲取聲紋識別系統(tǒng)模型生成的隨機(jī)矩陣，并進(jìn)行正交化，獲得正交矩陣；

加法分解正交矩陣；

將提取的聲紋特征向量與正交矩陣相乘，獲得聲紋特征向量三，再利用聲紋特征向量三與分解后的正交矩陣交叉相乘，獲得聲紋特征向量四，并發(fā)送至服務(wù)器中的聲紋識別系統(tǒng)模型進(jìn)行訓(xùn)練，獲得第二模型庫。

本發(fā)明的優(yōu)點(diǎn)是：正交矩陣保持距離不變的性質(zhì)保證了變換前后聲紋識別系統(tǒng)的精度不受影響，對同一用戶，可以在聲紋識別中選擇不同的隨機(jī)矩陣或在模板泄露時，重新更換隨機(jī)正交矩陣，這提高了聲紋模板抵抗已知密文的攻擊的能力同時也證明了該方法的不可逆性，提高了模板的安全程度。