李 璨，王让定，严迪群

(宁波大学 信息科学与工程学院，浙江 宁波 315211)(*通信作者电子邮箱wangrangding@nbu.edu.cn)

0 引言

随着互联网的不断发展和便携式智能终端的快速普及，人们能够更加方便、快捷地借助各种数字媒体(图像、音频、视频)传递信息。与此同时，随着回放设备、高保真录音设备的普及，合法用户的密语在请求进入识别系统时极易被攻击者偷录成功。翻录语音经高保真录音设备偷录、回放设备回放，与原始语音具有较高的相似度，一些说话人认证系统也无法辨别，危害了合法用户的权益。而且翻录语音因偷录设备体积小、易偷录、成功率高等优势，已成为攻击语音认证系统中最易实施的方法，因此，对翻录语音检测受到业内的广泛重视。

近年来，对翻录语音检测研究取得了一定的成果。Shang等[1-2]根据语音产生的随机性，对比了原始语音与翻录语音Peak map的不同，提出了一种基于Peak map相似度的录音回放检测算法。若相似度大于设定的阈值，判定为翻录语音；反之，判定为原始语音。在此基础上，Jakub等[3]对该算法进行了改进，在Peak map特性中加入了各频率点的位置关系；Wu等[4]将音频检索中的谱位图峰值特征应用于翻录语音检测，依据待认证语音与系统保存的语音在该特征上的相似度来判断当前语音是否为合法语音。以上方法只能针对文本相关的识别系统，无法适用于文本无关的翻录语音检测，具有较大的局限性。张利鹏等[5]根据信道模式特征，利用翻录语音信道与原……