基于主动声学成像的智能音箱用户身份认证系统.pdfVIP

摘要

摘要

智能音箱的广泛应用及其相关服务的多样化引发了对智能音箱身份验证安全

性的关注。由于语音数据在开放信道中传播，这为各种类型的攻击，例如重放攻

击或模仿攻击，提供了可乘之机。验证语音命令是否来自于一名真实且合法的用

户对构建智能音箱的安全服务体系具有重要意义。然而，现有的用户认证方案要

么无法抵御常见类型攻击、要么无法直接应用于智能音箱，要么需要额外的人机

交互或预安装组件，从而可能影响用户体验并增加使用负担。

针对智能音箱身份验证安全的挑战，本文提出了一种新颖的基于主动声学成

像的用户身份认证系统EchoImage。该系统的核心思想是发射线性调频信号，通

过麦克风阵列感测来自用户身体区域的回声，构建声学图像作为身份认证的依据。

该方案利用阵列对信号的空间感知能力，有效提取用户空间信息，提高了身份认

证的准确性和可靠性，且无需额外的硬件及复杂的人机交互。

具体而言，EchoImage首先通过用户方向估计方案，能够在复杂场景下估计语

音命令的到达方向，从而确保认证过程中用户站在理想采样区域。经过主动声学

感知信号采样后，EchoImage通过身份认证方案对用户进行识别。系统中设计了一

个距离估计模块，对波束成形信号应用相关性技术来估计用户和麦克风阵列之间

的距离。随后，图像构建模块使用估计的距离构建一个虚拟成像平面，将阵列波

束依次指向平面的每个网格以生成用户的声学图像。最后，系统使用基于迁移学

习的模型，从构建的图像中提取有效特征，并使用SVM分类器进行准确的用户认

证。20名志愿者参与的实验结果表明，本文的原型系统EchoImage在各种场景下

具有较好的准确性和稳定性，在欺骗检测方面可以达到0.97的准确率。

关键词：主动声学感知，波束成形，麦克风阵列，智能音箱，用户认证

I

ABSTRACT

ABSTRACT

Thewidespreadapplicationofsmartspeakersandtheirdiverserangeofserviceshas

raisedconcernsaboutthesecurityofsmartspeakeridentityverification.Duetothetrans-

missionofvoicedataoveropenchannels,varioustypesofattacks,suchasreplayattacks

orimpersonationattacks,arefacilitated.Verifyingwhethervoicecommandsoriginate

fromagenuineandauthorizeduseriscrucialforbuildingasecureserviceecosystemfor

smartspeakers.However,existinguserauthenticationschemeseithercannotwithstand

commontypesofattacks,cannotbedirectlyappliedtosmartspeakers,orrequiread-

ditionalhuman-machineinteractionorpre-installedcomponents,whichmayaffectuser

experienceandincreaseusageburden.

Inresponsetothechallengesofsmartspeakeridentityverificationsecurity,thethe-

sisproposesanoveluseridentityauthenticationsystemcalledEchoImagebasedonactive

acousticimaging.Thecoreideaofthissystemistotransmitlinearfrequencymodulated

signalsan