A Review of Recent Machine Learning Approaches for Voice Authentication Systems

Year 2023, , 96 - 114, 28.06.2023

Zuhal Can , Emrah Atılgan

https://doi.org/10.53694/bited.1296035

Abstract

Voice authentication systems are a comfortable way of protection since users do not need to remember passwords or carry identification cards. As a unique identifier for all individuals, voice is a practical tool to authenticate people into security services, including online banking and phonebased customer or computer services. Single-model voice authentication systems refer to voice recognition systems that utilize a single voice model to verify the identity of individuals based on their unique vocal characteristics, such as pitch, tone, and other speech patterns. For multi-model voice authentication systems, additional biometric factors like facial recognition or electroencephalogram data are included in the voice authentication process to enhance security. This paper reviews recent single-modal and multimodal voice authentication studies with an explanation of underlying feature extraction and classification methods. This paper also discusses security attacks on voice authentication systems, including random attacks, mimicry attacks, replay attacks, voice synthesizing attacks, counterfeit attacks, and hidden voice command attacks.

Keywords

Voice authentication, Audio signal processing, Machine learning, Security attacks

Sesli Kimlik Doğrulama Sistemleri için Makine Öğrenimi Yaklaşımlarının İncelenmesi

Abstract

Sesli kimlik doğrulama sistemleri, kullanıcıların parolaları hatırlamaları veya kimlik kartları taşımaları gerekmediği için rahat bir koruma yöntemidir. Tüm bireyler için benzersiz bir
tanımlayıcı olarak ses, çevrimiçi bankacılık ve telefon tabanlı müşteri veya bilgisayar hizmetleri dahil olmak üzere güvenlik hizmetlerinde kişilerin kimliğini doğrulamak için pratik bir araçtır.
Tek modelli ses kimlik doğrulama sistemleri, bireylerin kimliğini perde, ton ve diğer konuşma kalıpları gibi benzersiz ses özelliklerine dayalı olarak doğrulamak için tek bir ses modeli kullanan ses tanıma sistemlerini ifade eder. Çok modelli ses kimlik doğrulama sistemleri için, güvenliği artırmak amacıyla ses kimlik doğrulama sürecine, yüz tanıma veya elektroensefalogram verileri gibi ek biyometrik faktörler dahil edilir. Bu makale, yakın zamandaki tek modelli ve çok modelli
ses kimlik doğrulama çalışmalarını, özellik çıkarma ve sınıflandırma yöntemlerinin altında gözden geçirmektedir. Bu makale aynı zamanda rastgele saldırılar, taklit saldırıları, tekrarlama saldırıları, ses sentezleme saldırıları, sahte saldırılar ve gizli sesli komut saldırıları dahil olmak üzere ses kimlik doğrulama sistemlerine yönelik güvenlik saldırılarını tartışmaktadır.

Keywords

Sesli kimlik doğrulama, Ses sinyali işleme, Makine öğrenme, Güvenlik saldırıları

References

• Abdulrahman, S. A., Khalifa, W., Roushdy, M., & Salem, A. B. M. (2020). Comparative study for 8 computational intelligence algorithms for human identification. Computer Science Review, 36, 100237. https://doi.org/10.1016/j.cosrev.2020.100237
• Abhishek Anand, S., Liu, J., Wang, C., Shirvanian, M., Saxena, N., & Chen, Y. (2021). EchoVib: Exploring voice authentication via unique non-linear vibrations of short replayed speech. ASIA CCS 2021 - Proceedings of the 2021 ACM Asia Conference on Computer and Communications Security, 67–81. https://doi.org/10.1145/3433210.3437518