Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Guido, Rodrigo Capobianco | - |
Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
Autor(es): dc.creator | Almeida, Alex Marino Goncalves de | - |
Data de aceite: dc.date.accessioned | 2025-08-21T19:03:00Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T19:03:00Z | - |
Data de envio: dc.date.issued | 2022-05-17 | - |
Data de envio: dc.date.issued | 2022-05-17 | - |
Data de envio: dc.date.issued | 2022-04-01 | - |
Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/234753 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/234753 | - |
Descrição: dc.description | Os sistemas para autenticação biométrica baseados em voz têm ganhado cada vez mais espaço. Entretanto, a possibilidade de falsificação dos sinais acústicos dos locutores, principalmente utilizando-se de regravações, tem sido um obstáculo para a maior usabilidade dos referidos mecanismos biométricos. Assim, este trabalho de doutorado apresenta uma inovação no sentido de detectar sinais de vozes regravados: a formulação de filtros wavelet dedicados para identificar os replay attacks, com base em conhecimento. A técnica proposta confere conhecimento aos filtros utilizando-se de casos-exemplo autênticos e inautênticos de sinais de voz, o que não possui precedentes na literatura. No bojo dos experimentos elaborados neste trabalho constam o desenvolvimento de filtros baseados em conhecimento abrangendo uma ampla gama de propriedades físicas dos sinais, destacando-se skewness e kustosis, produzindo filtros de resposta ao impulso finita com suportes 6, 8, 12 e 16. Do conjunto de experimentos realizados, pode-se destacar o resultado em taxas de erros iguais (EER) igual a 1,96% para o filtro produzido com a propriedade física skewness e com suporte 12, equiparando-se, numa abordagem regular de decomposição tempo-frequência, ao melhor resultado obtido com a base pública ASVSpoof 2017 e demonstrando, assim, a efetividade da contribuição para o estado-da-arte. | - |
Descrição: dc.description | Speech authentication mechanisms have gained more and more space. Nevertheless, the possibility of spoofing speakers’ acoustic signals, mainly by using subsequent recordings, has been an obstacle to the practical application of biometric devices. Thus, this PhD thesis presents an innovation in the sense of detecting replayed speech: wavelet filters, to identify replay attacks, specified based on knowledge. Particularly, knowledge is incorporated to those filters by using original and replayed speech samples, exhibiting no precedents in the literature. In the heart of the experiments elaborated in this one, there was the development of work based on covering a wide range of physical properties of the signals, highlighting skewness and kustosis, producing finite impulse response filters with support-sizes 6, 8, 12 and 16. From the set of experiments, we can highlight the equal error rate (EER) of 1.96% for the filter produced with the physical property skewness and with support-size 12, matching the best result obtained with the public database ASVSpoof 2017, in an ordinary time-frequency decomposition, and demonstrating the effectiveness of the contribution to state-of-the-art. | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Publicador: dc.publisher | Universidade Estadual Paulista (UNESP) | - |
Direitos: dc.rights | info:eu-repo/semantics/openAccess | - |
Palavras-chave: dc.subject | Filtros Wavelet | - |
Palavras-chave: dc.subject | Inteligência artificial | - |
Palavras-chave: dc.subject | Verificação de locutores | - |
Palavras-chave: dc.subject | Ataque por reprodução | - |
Palavras-chave: dc.subject | Wavelet Filter Banks | - |
Palavras-chave: dc.subject | Artificial intelligence | - |
Palavras-chave: dc.subject | Speaker verification | - |
Palavras-chave: dc.subject | Replay attacks | - |
Título: dc.title | Elaboração de filtros Wavelets baseada em conhecimento para distinção de locutores autênticos e inautênticos | - |
Título: dc.title | Development of knowledge-based Wavelet filters to distinguish genuine and spoof speakers | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositório Institucional - Unesp |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: