Güvenilir Konuşmacı Doğrulama Için Elverişsiz Durumlarda Saldırı Tespiti
| dc.contributor.author | Hanilçi, Cemal | |
| dc.date.accessioned | 2026-02-12T21:01:09Z | |
| dc.date.available | 2026-02-12T21:01:09Z | |
| dc.date.issued | 2019 | |
| dc.department | Bursa Teknik Üniversitesi | |
| dc.description | 01.05.2019 | |
| dc.description.abstract | Güvenilir Konuşmacı Doğrulama için Elverişsiz Durumlarda Saldırı Tespiti başlıklı proje kapsamında konuşmacı doğrulama sistemlerine ses sentezleme ve ses dönüştürme yolu ile yapılabilecek yanıltma saldırılarının otomatik olarak tespit edilmesi problemi ele alınmıştır. Söz konusu problemin seçilmesinin temel amacı günümüzde yaygın olarak kullanılan otomatik kişi tanıma sistemlerinin hemen hemen tamamının karşı karşıya kaldığı yanıltma saldırıları ve mevcut sistemlerin bu saldırılara karşı savunmasız olduğu gerçeğidir. Bu nedenle yaygın biyometrik kişi tanıma sistemlerinden biri olan konuşmacı doğrulama sistemleri de günümüzde hızla gelişen ve birçok ücretsiz açık kaynak kodlu ses sentezleme ve ses dönüştürme yöntemleri ile oluşturulan yapay/sentetik seslere karşı oldukça savunmasızdır. Bu projede ilk olarak 2015 yılında düzenlenen ve proje yürütücüsünün de düzenleme ekibinde yer aldığı uluslararası Otomatik Konuşmacı Doğrulama Yanıltma ve Saldırı Tespiti yarışması için hazırlanan ASVspoof 2015 veritabanı ile 2017 yılında düzenlenen aynı isimli yarışma için oluşturulan ASVspoof 2017 veritabanı kullanılmıştır. Projede konuşmacı doğrulama sistemlerine yapılabilecek yanıltma saldırılarını tespit edebilmek amacı ile farklı öznitelik çıkarma ve sınıflandırma algoritmaları incelenmiştir. Yapılan araştırmalarda ses sentezleme ve ses dönüştürme saldırılarının tespit edilmesinde faz tabanlı özniteliklerin, genlik spektrumundan elde edilen özniteliklere nazaran çok daha üstün performans gösterdiği tespit edilmiştir. Ancak toplamsal/konvolüsyonel gürültü durumunda ise genlik spektrumu özniteliklerinin faz özniteliklerinden daha güçlü olduğu ortaya çıkmıştır. Sınıflandırma aşamasında ise klasik Gauss Karışım Modeli (GMM) daha karmaşık ve modern i-vector ve SVM sınıflandırıcılarından çok daha iyi saldırı tespiti performansı göstermiştir. İ-vector sınıflandırıcısı yanıltma saldırısı tespiti problemi için yeniden tasarlandığında, i-vector çıkarıcının sentetik ve gerçek seslerle birlikte eğitildiği durumda, i-vector sınıflandırıcısının performansında ciddi artışlar gözlenmiştir. Son olarak, derin sinir ağları ile kaydedilmiş seslerin yeniden oynatılarak gerçekleştirilebileek saldırı tespiti incelenmiş olup, derin sinir ağlarının tekrar saldırılarını tespit etmede oldukça güçlü olduğu gösterilmiştir. | |
| dc.identifier.endpage | 69 | |
| dc.identifier.startpage | 0 | |
| dc.identifier.trdizinid | 1222019 | |
| dc.identifier.uri | https://hdl.handle.net/20.500.12885/6399 | |
| dc.indekslendigikaynak | TR-Dizin | |
| dc.language.iso | tr | |
| dc.relation.publicationcategory | Proje | |
| dc.relation.tubitak | info:eu-repo/grantAgreement/TUBITAK/EEEAG/115E916 | |
| dc.rights | info:eu-repo/semantics/openAccess | |
| dc.snmz | KA_TR-Dizin_20260212 | |
| dc.subject | Konuşmacı doğrulama | |
| dc.subject | yanıltma saldırıları | |
| dc.subject | toplamsal ve konvolüsyonel gürültü | |
| dc.title | Güvenilir Konuşmacı Doğrulama Için Elverişsiz Durumlarda Saldırı Tespiti | |
| dc.type | Project |
