朱 森，徐志军，王金明，肖映彩

（中国人民解放军理工大学 通信工程学院，江苏 南京 210007）

用于动态声纹密码认证系统的分类器和归一化的比较性研究*

朱 森，徐志军，王金明，肖映彩

（中国人民解放军理工大学 通信工程学院，江苏 南京 210007）

数据归一化和分类器种类对数据分类准确率有着重要影响，而归一化后的数据通过不同的分类器会产生不同的响应。在动态声纹密码认证系统中，对声纹与文本的得分分别采用向量规范化和线性变化法进行处理，利用概率神经网络和支持向量机分类器进行分类，同时讨论当不同归一化方法和不同分类器相结合时，其对系统识别率的影响。实验结果表明：支持向量机的分类器和线性变化归一化技术相结合时，支持向量机的非线性映射具有更为普遍和明显的优势，系统性能显著提升，识别率提升了11.69%。

归一化；概率神经网路；支持向量机；分类器

0　引 言

随着互联网技术的迅猛发展，个人信息安全愈发显得重要，因此个人身份认证技术在信息安全中的应用越来越广泛。以往的身份认证技术基于静态密码，存在易猜测、易穷举等安全缺陷，慢慢被基于动态声纹密码的双重身份认证系统所取代［1-2］。在动态声纹密码双重身份认证系统中，为了避免人为设定声纹和文本阈值所造成的系统不稳定问题，分类器的非线性区分能力显得尤其重要［3-4］。与传统用特征向量作为分类器的输入方法不同，本文基于得分域分类器综合判决，将声纹与文本得分作为分类器的输入进行综合判决。……