Sistema de identificación biométrico basado en reconocimiento de voz mediante coeficientes cepstrales para detección de Spoofing en llamadas telefónicas

Abstract

Los crímenes cibernéticos mediante las aplicaciones informáticas que utilizan las compañías producen pérdidas a las empresas y causan inseguridad a los usuarios, quienes tienen la impresión de que el producto o servicio recibido no es suficientemente seguro, en contraprestación a la inversión que realizaron. Una de las transgresiones informáticas más comunes es el Spoofing, que se basa en sustituir la identidad de un individuo o institución de confianza con el fin de engañar a otro. La razón de este estudio es obtener la autentificación inmediata de las personas al hacer uso de llamadas telefónicas para evitar situaciones de Spoofing mediante sustitución de voz. Ello implica, para las empresas, el uso de los coeficientes cepstrales en la escala de Mel (MFCC) que sirven como entrada para un clasificador de identidad y no permiten obtener anomalías en los audios; asimismo permiten a los usuarios, a través de la utilización de un aplicativo móvil, para validar su identidad mediante la aplicación propuesta, los resultados de los ensayos realizados obtuvieron 83.5% de éxito. Para un dataset de entrenamiento de 20 personas, con 100 muestras de audio de cada participante. En consecuencia, la herramienta computacional implementada ha demostrado ser eficaz en la identificación de las diferentes tipologías de Spoofing analizadas.

Cybercrimes through computer applications used by companies produce losses for companies and cause insecurity for users, who have the impression that the product or service received is not sufficiently secure, in return for the investment they made. One of the most common computer transgressions is Spoofing, which is based on replacing the identity of a trusted individual or institution to deceive another. The reason for this study is to obtain immediate authentication of people when using telephone calls to avoid spoofing situations through voice substitution. This implies, for companies, the use of cepstral coefficients on the Mel scale (MFCC) that serve as input for an identity classifier and do not allow anomalies to be obtained in the audios; They also allow users, through the use of a mobile application, to validate their identity through the proposed application. The results of the tests carried out obtained 83.5% success. For a training dataset of 20 people, with 100 audio samples from each participant. Consequently, the computational tool implemented has proven to be effective in identifying the different typologies of Spoofing analyzed.