저잡음 환경을 위한 텍스트 독립 화자 인식 및 암호화

본 논문은 저잡음 환경에서 텍스트 독립 화자 인식 시스템의 정확도와 보안성을 동시에 향상시키고자 하는 목표를 갖는다. 서론에서는 기존 생체인식 기술(지문, 홍채 등)의 한계와 비교해 음성 인식이 갖는 저비용·비접촉·고유성 등의 장점을 강조한다. 특히 텍스트 독립 방식은 사용자의 발화 내용에 제약을 두지 않아 실용성이 높지만, 잡음에 취약하고 데이터베이스가 변조될 경우 허위 인증 위험이 존재한다는 점을 지적한다. 이를 해결하기 위해 두 가지 주요 기술을 제안한다. 첫 번째는 다단계 암호화 체계이다. 사용자는 최소 8자리, 대문자·숫자·특수문자를 포함한 비밀번호를 입력하고, 이 비밀번호는 카이사르 암호 형태의 수치 변환을 거쳐 시드(seed)로 변환된다. 이 시드는 두 개의 PRNG에 각각 입력되어 독립적인 난수열을 생성한다. 첫 번째 난수열은 원본 음성 신호와 직접 XOR 연산을 수행해 시간 도메인에서 스크램블한다. 이어서 이 스크램블된 신호에 이산코사인변환(DCT)을 적용해 주파수 도메인으로 변환하고, 두 번째 난수열을 다시 XOR하여 최종 암호화된 음성을 만든다. MATLAB 7 내장 PRNG는 2³⁵ 워드(≈2³⁵ 비트)의 내부 상태를 가지고 있어 주기 길이가 충분히 길어 실험에 사용되는 샘플 길이를 초과한다는 점을 강조한다. 두 번째는 잡음에 강인한 피치 추출 알고리즘이다. 기존 자동상관 기반 피치 검출은 잡음이 섞이면 상관값이 급격히 감소해 정확도가 떨어진다. 논문에서는 프레임 길이를 가변적으로 설정하고, 상관값이 일정 임계값 이하일 경우 해당 구간을 무시하거나 보간하는 방식을 도입한다. 또한, 피치 후보를 선택할 때 주파수 대역별 가중치를 적용해 저주파 성분에 더 높은 신뢰도를 부여한다. 이러한 변형은 저 SNR(0 dB~10 dB)에서도 안정적인 기본 주파수(F0) 추정을 가능하게 한다. 시스템 구조는 크게 네 단계로 나뉜다. (1) **특징 추출** 단계에서는 피치, 평균, 분산, 표준편차 등 통계적 특징을 계산한다. (2) **데이터베이스 구축** 단계에서는 암호화된 음성 파일을 저장하고, 각 파일에 대응하는 특징 벡터를 데이터베이스에 기록한다. (3) **화자 모델링** 단계에서는 훈련 샘플의 특징을 이용해 화자별 모델을 생성한다. (4) **패턴 매칭 및 결정** 단계에서는 테스트 음성의 특징과 데이터베이스 내 모든 화자 모델 간의 유클리드 거리를 계산하고, 최소 거리를 가진 화자를 최종 후보로 선택한다. 실험은 TSEC Mumbai 소속 50명의 피험자를 대상으로 진행되었으며, 각 피험자는 6개의 발화 샘플을 제공한다. 3개는 훈련용, 나머지 3개는 테스트용으로 사용한다. 테스트 샘플은 인위적으로 AWGN 채널을 통해 다양한 SNR(0 dB, 5 dB, 10 dB, 15 dB, 20 dB, 30 dB)에서 전송된다. 각 SNR 구간에서 복호화된 신호와 원본 신호 간의 평균 제곱오차(MSE)를 측정했으며, MSE가 SNR이 증가함에 따라 지수적으로 감소하는 경향을 보였다. 인식률 측면에서는 기존 MFCC‑GMM 기반 시스템과 비교했을 때, 10 dB 이하의 저 SNR에서도 약 8~12% 높은 정확도를 기록했다. 논문은 또한 보안 측면에서 다단계 암호화가 단일 레벨 암호화 대비 10⁶배 이상의 조합 가능성을 제공한다는 점을 강조한다(비밀번호 조합 수 6.6 × 10¹⁵). 그러나 암호 해독 속도, 키 관리, 실시간 처리 비용 등에 대한 정량적 분석은 부족하다. 결론에서는 제안된 시스템이 저잡음 환경에서도 실용적인 화자 인식 성능을 제공하며, 데이터 무결성을 보장하는 암호화 메커니즘을 통해 보안 위협을 크게 감소시킨다고 주장한다. 향후 연구로는 더 큰 규모의 데이터베이스, 딥러닝 기반 화자 모델과의 통합, 그리고 암호학적 강도를 검증하기 위한 공격 시뮬레이션이 필요함을 제시한다.