Knowledge base: Warsaw University of Technology

Settings and your account

Back

Machine learning in anti-spoofing protection for speaker verification systems

Bartłomiej Bartosz Zubrzycki

Abstract

The thesis involves Automatic Speaker Verification Systems protection. The main goal was to build a system distinguishing between human and spoofing trials in such systems using machine learning classification methods. Introduction into machine learning methods is provided and research about best classification algorithms was performed. Based on the results of this research, four machine learning techniques were chosen for the project. Feature extraction, as well as feature selection were also performed for results optimisation. The data used in this project was provided for ASVspoof 2015 competition. Parameters from signal samples were extracted using linear prediction theory and analysed the error of residual signal. Averaged Neural Networks performed best among chosen techniques and yielded classification error of 0.99%. Combination of the methods resulted in a lower classification error equal to 0.89%. The project was developed in R programming language.
Diploma type
Engineer's / Bachelor of Science
Diploma type
Engineer's thesis
Author
Bartłomiej Bartosz Zubrzycki (FEIT) Bartłomiej Bartosz Zubrzycki,, Faculty of Electronics and Information Technology (FEIT)
Title in Polish
Uczenie maszynowe w zabezpieczaniu systemów weryfikacji mówcy przed próbami podszywania się
Supervisor
Artur Janicki (FEIT) Artur Janicki,, The Institute of Telecommunications (FEIT)Faculty of Electronics and Information Technology (FEIT)
Certifying unit
Faculty of Electronics and Information Technology (FEIT)
Affiliation unit
The Institute of Telecommunications (FEIT)
Study subject / specialization
, Elektronika - Elektronika Biomedyczna
Language
(en) English
Status
Finished
Defense Date
17-02-2016
Issue date (year)
2016
Reviewers
Artur Janicki (FEIT) Artur Janicki,, The Institute of Telecommunications (FEIT)Faculty of Electronics and Information Technology (FEIT)
Keywords in Polish
uczenie maszynowe, klasyfikacja, weryfikacja mówcy, zabezpieczanie
Keywords in English
machine learning, classification, speaker verification, protection
Abstract in Polish
Praca podejmuje tematykę ochrony systemów automatycznej weryfikacji mówcy. Głównym celem było stworzenie systemu zdolnego to odróżniania prób dostępu dokonywanych przez rzeczywistego użytkownika (osobę) od ataków na niniejsze systemy. W tym celu wykorzystano techniki z dziedziny uczenia maszynowego. Przedstawiono wstęp dotyczący metod z tego obszaru, a także przeprowadzono przegląd literatury na temat najlepszych klasyfikatorów. Na podstawie powyższego przeglądu wybrano cztery algorytmy, które następnie wykorzystano w projekcie. Skorzystano również z metod doboru zmiennych oraz ich statystycznej ekstrakcji w celu znalezienia optymalnego rozwiązania. W projekcie wykorzystano próbki głosowe z konkursu ASVspoof 2015. Parametry sygnału zostały wyekstraktowane z oryginalnych próbek za pomocą liniowej predykcji i polegały na analizie błędu sygnału rezydualnego. Uśredniane sieci neuronowe (Averaged Neural Networks) okazały się najlepszą techniką klasyfikacyjną spośród wszystkich analizowanych. Osiągnięto błąd klasyfikacji w wysokości 0,99%. Wykorzystano również kombinacje klasyfikatorów, co pozwoliło na dalszą optymalizację wyników do błędu w wysokości 0,89%. Projekt został napisany w języku programowania R.
File
  • File: 1
    249474 - Bartłomiej Zubrzycki - Machine learning in anti-spoofing protection for speaker verification systems.pdf
Request a WCAG compliant version
Local fields
Identyfikator pracy APD: 9969

Uniform Resource Identifier
https://repo.pw.edu.pl/info/bachelor/WUTcfefd79dcb0e41048b3523df020ae220/
URN
urn:pw-repo:WUTcfefd79dcb0e41048b3523df020ae220

Confirmation
Are you sure?
Report incorrect data on this page