İnsan Sesinin Ayırt Edici Kapasitesinin İrdelenmesi

Abstract

Biometric-based authentication systems have been begun to be widely used instead of passwords. Because voice can be captured easily by using a microphone, voice is more popular between all biometric modalities. Although the use of voice biometrics is increasing day by day, the studies about capacity of speaker verification systems are limited. Moreover, the results of these studies conflict with each other and which in turn raise doubts reliability of speaker verification systems instead of answering questions. Because of these reasons, in this thesis, the capacity of voice-based authentication systems, in other words, speaker verification systems, is investigated in terms of entropy. The subject has been examined under three main headings. Firstly, proposed approaches up to now for measuring capacity of biometric systems are examined in detail and whether these approaches are suitable for voice-based authentication systems or not was also investigated. Secondly, state-of-the-art methods used in speaker verification systems are overviewed. The features extracted from the speeches, the models used for representation of the features, and voice-based authentication methods for these models are examined separately. Thirdly, because the dataset used in speaker verification systems contains limited number of speakers and speeches, by using open sources a new dataset containing more than 20000 speakers is created. A new approach suitable with state-of-the-art speaker verification system is proposed for measuring capacity and the mathematical background of this approach is explained in detail. This approach is examined in different cases by using different datasets. Finally, new research topics on capacity estimation are mentioned.

Biyometrik tabanlı kimlik doğrulama sistemleri yaygın olarak parolalar yerine kullanılmaya başlamıştır. Bir mikrofon kullanılarak kolayca elde edilebileceği için ses biyometrisi tüm biyometriler arasında daha popülerdir. Ses biyometrisinin kullanımı gün geçtikçe artmasına rağmen konuşmacı doğrulama sistemlerinin kapasitesi ile ilgili çalışmalar sınırlıdır. Hatta bu alandaki çalışma sonuçları birbirleri ile çelişerek bu konudaki problemleri çözmek yerine konuşmacı sistemlerine olan güvenin azalmasına sebep olmaktadır. Bu nedenlerden ötürü, bu tezde, ses tabanlı kimlik doğrulama sistemlerinin diğer bir değişle konuşmacı doğrulama sistemlerinin kapasiteleri entropi açısından araştırılmıştır. Bu konu üç temel başlık altında incelenmiştir. İlk olarak biyometrik tabanlı sistemler için şimdiye kadar önerilen yöntemler detaylı bir şekilde incelenmiş ve bu yöntemlerin ses tabanlı kimlik doğrulama sistemlerine uygun olup olmadığı da araştırılmıştır. İkinci olarak konuşmacı doğrulama sistemlerinde kullanılan en gelişmiş yöntemlerden bahsedilmiştir. Konuşmalardan çıkartılan özellikler, bu özellikleri temsil etmek için kullanılan modeller ve bu modellerde kullanılan ses tabanlı kimlik doğrulama yöntemleri ayrı ayrı incelenmiştir. Son olarak kullanılan veri kümelerinin kişi ve süre gibi kısıtlarından dolayı açık kaynaklar kullanılarak 20000'den fazla kişiden oluşan veri kümesi oluşturulmuştur. Kapasiteyi ölçmek için en gelişmiş konuşmacı doğrulama sistemi ile uyumlu yeni bir yaklaşım önerilmiş ve bu yaklaşımın matematiksel alt yapısı detaylı bir şekilde açıklanmıştır. Bu yaklaşım farklı durumlarda farklı veri kümeleri kullanılarak incelenmiştir. Son olarak kapasite tahmini ile ilgili yeni araştırma konularından bahsedilmiştir.