El reconocimiento de locutores pertenece a la rama de la inteligencia artificial y consiste en la identificación automática de una persona a través de su voz. Los dos campos de aplicación más importantes del reconocimiento de locutores son la verificación y la identificación de hablantes.

En la verificación de locutores el sistema de reconocimiento verifica si las características extraídas de la voz de un locutor se corresponden con la identidad que afirma tener el mismo… y por tanto su decisión es binaria: Es o no la persona que dice ser. Se utiliza típicamente en seguridad y se comenta que será la técnica biométrica que más se empleará en el futuro.

En los últimos años, no obstante, se ha demostrado que los sistemas de verificación automática por voz son susceptibles de ataques maliciosos por parte de intrusos que quieran lograr un acceso fraudulento al sistema de información.

Así, estos intrusos podrían usar muestras de voz de un usuario legítimo para acceder de forma fraudulenta al sistema. Estas muestras de voz las podrían obtener, por ejemplo, realizando grabaciones encubiertas a usuarios legítimos del sistema o usando software de síntesis y conversión de voz de última generación, el cual permite clonar la voz de una persona a partir de unos pocos minutos de su voz.

Ahora desde la Universidad de Granada se propone la técnica Gated Recurrent Convolutional Neural Network (GRCNN) basada en redes neuronales profundas para discernir si la voz de entrada al sistema pertenece a un usuario legítimo o es un ataque de suplantación de identidad realizado por un intruso.

El grupo de la UGR ha participado con esta técnica en el reto de anti-spoofingASVspoof 2019, quedando entre los 10 primeros sistemas del ranking de un total de 63 grupos de investigación y empresas participantes a nivel internacional, tanto en la detección de ataques de acceso físico (grabación y repetición) como de acceso lógico (síntesis o conversión de voz).