Система
голосовой биометрии

Сравнение голоса пользователя с его собственным голосом в базе данных.

 

Коротко о проекте

Клиенту нужна система биометрической верификации по голосу (сравнение голоса пользователя с его собственным голосовым отпечатком в базе данных). Это решение требуется для обеспечения информационной безопасности клиентов.

Система должна быть устойчивой к шуму, многоязычной и работать даже на очень коротких фразах.

Клиент

Под NDA

 

Сфера

Cyber security

 

Срок

4 месяца

О клиенте

У клиента масштабный колл-центр, которому требуется технологичное решение для ускорения работы и снижения издержек на идетификацию пользователей.

Задача

Клиенту требовалось обеспечить безопасность своих пользователей. Для этого была выбрана верификация по голосу. Голос пользователя сравнивается с его собственным из базы данных. 

Клиенту важно, чтобы система была устойчивой к шуму, так как пользователям важно удобство при авторизации. Решение должно быть многоязычным, чтобы клиенты из разных стран могли имели единый уровень защищенности. Системе требуется эффективно срабатывать даже на очень коротких фразах для обеспечения максимального удобства пользователя.

Порядок работы решения:

Регистрация

Клиент банка регистрирует голосовой отпечаток (эталон)

Преобразование

Отпечаток преобразуется в кодовый файл

Сравнение

При входе в приложение или звонке в колл-центр голос сравниваются с эталоном

Верификация

Подтверждение подлинности голоса клиента

Решение

Командой Estesis создано решение с ML-ядром. Оно позволило верифицировать пользователя за 3 сек.

Была применена система нейросетевых классификаторов с алгоритмами усиления речи и шумоподавления.

Система обучалась на больших объемах данных (в основном на английском языке).

Система соответствует политике безопасности и работе с персональными данными. Решение локально, данные пользователей находятся в контуре банка.

Реализовано:
Команда проекта:

Приложение

ML-модуль

Технологии и инструменты:

Технологии: JavaScript, TypeScript, Vue.js, Vuex, Axios, HTML/CSS, GraphQL;
База данных: PostgreSQL.

Инструменты: Docker, Apollo, Hasura, Figma, Click Up.

1
в этом году решения получило признание на SDSV Challenge
1
сек - длительность фразы для идентификации
0.1
сек требуется для верификации пользователя
0.1
% ERR - эквивалентная ошибка, согласно окончательной оценке

Результат

Согласно окончательной оценке для тагальского (один из основных языков Республики Филиппины) языка, эквивалентная ошибка составила ~4% EER (Equal Error Rate – величина, которая характеризует уровень ошибок биометрического метода).

Верификация дикторов по коротким фразам (длительностью 2-4 сек) стало одним из лучших в международном профессиональном конкурсе в области анализа данных, организованном ведущими университетами мира SDSV Challenge 2020 (Сингапур, Канада).

Разработка интеллектуальных систем для решения Ваших задач

Заполните форму и менеджер проконсультирует о том как реализовать проект. Ваша идея для нас ценность, а партнерство превращается в дружбу

    Заполните форму для связи с нами

    В течении суток с Вами свяжется менеджер