СПОСОБ БИОМЕТРИЧЕСКОЙ АУТЕНТИФИКАЦИИ ПО ПАРАМЕТРАМ РЕЧИ И ГЕОМЕТРИИ ЛИЦА Российский патент 2024 года по МПК G10L17/00 

Изобретение относится к области информационной безопасности и может быть использовано при аутентификации сотрудников предприятия для защиты его периметра и информационных ресурсов от несанкционированного доступа.

Обеспечение информационной безопасности является одной из ключевых проблем безопасности сотрудников и непрерывного функционирования предприятия. Получив несанкционированный доступ к собственности предприятия злоумышленник может нанести ущерб здоровью сотрудников, имуществу и репутации компании.

Комплексная безопасность предприятия невозможна без системы аутентификации. В ходе проведения процедуры аутентификации пользователь передаёт на сервер свои логин, пароль и биометрические данные, которые сравниваются с его биометрическим образом, хранящимся в базе данных на сервере.

Для увеличения эффективности аутентификации используется многоэтапная (в начале пользователь вводит пароль, затем передаёт свои биометрические данные) и многофакторная аутентификация (применяются различные речевые параметры и параметры лица).

Известен биометрический способ идентификации абонента по речевому сигналу (патент №RU 2742040 C1, МПК G10L 17/00, опубл. 02.02.2021г.), предназначенный для определения совокупности параметров, составляющих речевой портрет пользователя, установления этих параметров для каждого абонента, запись их в базу данных, сравнение речевых параметров пользователя, проходящего аутентификацию, с его речевым портретом в базе данных. Определение речевых параметров проводится с использованием методов одновременного спектрального, временного и спектрально-временного анализа и аналого-цифрового преобразования с применением Вейвлет-преобразования.

Известен способ и система для создания векторов распознавания расширенных признаков для использования в распознавании речи (патент №US 11056097 B2, МПК G10L 15/02, опубл. 06.07.2021г.), которые предлагают реализуемый компьютером метод генерации векторов распознавания расширенных признаков (AFDV) из звуков, образующих часть аудиосигнала, входящего в устройство. При помощи данного способа из аудиосигнала извлекается множество выборок, для каждой выборки выполняется анализ сигнала, при котором из него выделяется один или несколько пиков генератора высокого разрешения, осуществляются перенормировка извлеченных пиков генератора для устранения изменений основной частоты и длительности времени, происходящих в окне, и нормализация мощности перенормированных извлеченных пиков генератора и перенормированные и нормализованные по мощности извлеченные пики генератора формируются в векторы распознавания расширенных признаков (AFDV).

Перечисленные аналоги имеют следующий недостаток - использование только речевых параметров без возможности «видеть» абонента делает систему биометрической аутентификации менее эффективной за счёт того, что не получается компенсировать менее удачные голосовые записи, создающиеся в процессе аутентификации, использованием фотографий пользователя, сделанных в ходе аутентификации.

Наиболее близким к предлагаемому является метод и сетевая биометрическая система аутентификации в учреждении при помощи сервера аутентификации и терминалов конечных пользователей, оборудованных аудио и видео записывающими устройствами, предназначенными для одновременного захвата биометрических образцов аудио и видео от конечного пользователя (патент № EP 1962280 A1, МПК G10L 17/00, опубл. 27.08.2008 г.).

Недостатком прототипа является то, что регистрация нового пользователя может осуществляться и с терминала конечного пользователя самостоятельно без привлечения сотрудника службы безопасности, что снижает безопасность информационной системы.

Задачей предлагаемого изобретения является обеспечение защиты периметра предприятия и его персонала от посторонних лиц и защиты информационных ресурсов предприятия от несанкционированного доступа.

Техническим результатом при осуществлении заявленного изобретения является повышение эффективности аутентификации пользователей в информационной системе предприятия.

Задача решается, а технический результат достигается способом биометрической аутентификации по параметрам речи и геометрии лица, включающим предварительное определение набора характеристик биометрического образа пользователя, выделение указанных характеристик из голосовых записей и фотографий для пользователей информационной системы, запись биометрических данных в базу биометрических данных, сравнение биометрического образа пользователя с его образом в базе биометрических данных, в котором, в отличие от прототипа, в качестве характеристик биометрического образа для распознавания голоса используют формантные характеристики, мел-кепстральные и дельта-кепстральные коэффициенты гласных и согласных звуков, результаты вейвлет-преобразования чисел и фраз, произнесенных пользователем, а распознавание геометрии лица осуществляют путем сравнения полученных данных с данными в базе биометрических данных посредством методов Виолы-Джонса и бинарной классификации.

Предлагаемый способ биометрической аутентификации реализуется посредством двух равнозначных частей - серверной и клиентской. Серверная часть содержит модуль записи биометрических данных, модули аутентификации и базу биометрических данных. Клиентская часть представлена приложением, через которое пользователь, проходящий аутентификацию, передаёт свои аутентифицирующие данные (логин, пароль и биометрические данные) на сервер. При этом добавить нового пользователя можно только через серверную часть.

Способ осуществляется следующим образом:

1. Пользователи информационной системы обращаются к специалисту по информационной безопасности в их компании или к лицу, осуществляющему функции специалиста по информационной безопасности.

2. Каждого пользователя по очереди допускают до записи его биометрического образа на сервер.

3. Для каждого пользователя создаётся папка, куда в определённом порядке записываются предоставляемые им биометрические данные.

4. Пользователь поочерёдно произносит все гласные и согласные звуки русского алфавита по 5 раз (возможно и большее число повторений, главное, чтобы число повторений всегда оставалось неизменным).

5. Произнесённые пользователем звуки записываются серверной частью и сохраняются в базе биометрических данных.

6. Пользователь произносит 5 фраз по 5 раз согласно их последовательности.

7. Записи фраз также помещаются в папку пользователя в базе биометрических данных.

8. Пользователь поочерёдно произносит числа от 0 до 9 по 5 раз.

9. Серверная часть формирует записи и сохраняет их в базе биометрических данных.

10. Включается веб-камера. Пользователю формируется указание смотреть прямо перед собой.

11. Веб-камера создаёт 3 фотографии пользователя. Они поступают на хранение в базу биометрических данных.

12. Каждый новый сотрудник обращается к специалисту по информационной безопасности, чтобы тот записал его биометрические данные через серверное приложение.

13. При увольнении биометрический образ сотрудника удаляется из системы.

14. В процессе аутентификации пользователю, обслуживаемому через клиентскую часть программного комплекса, предлагается ввести логин и пароль.

15. В случае, если пользователь правильно указал свои логин и пароль, ему приходит запрос на произнесение 3-х звуков, выбранных рандомно биометрической системой аутентификации.

16. После чего пользователю предлагается произнести 3 предложенных числа.

17. Затем пользователь произносит фразу, выбранную биометрической системой аутентификации из 5-ти возможных.

18. Пользователю необходимо посмотреть прямо в веб-камеру, которая осуществляет процесс его фотосъёмки.

19. Все записи поступают на вход модуля искусственного интеллекта программного комплекса. Туда же, согласно ранее указанному пользователем логину, доставляются записи из биометрической базы данных.

20. Из записей звуков соответствующий экстрактор, входящий в состав модуля, выделяет следующие формантные характеристики:

• среднее значение частоты форманты ;

• медиану частоты форманты ;

• стандартное отклонение частоты форманты ;

• нормализованную частоту форманты .

Кроме того, также выделяются 20 мел-кепстральных коэффициентов , , , ... и и 12 дельта-коэффициентов , , , ... и .

21. Из записей, произнесённых чисел экстрактор, работающий с результатами Вейвлет-преобразования, выделяет 17-ый коэффициент вейвлета Койфлет.

22. Из записей произнесённой фразы данный экстрактор также выделяет 17-ый коэффициент вейвлета Койфлет.

23. Параметры речи аутентифицируемого сравниваются с соответствующими образцовыми параметрами речи.

24. Фотография аутентифицируемого сравнивается с фотографиями пользователя из биометрической базы данных, под логином которого пытается войти аутентифицируемый.

25. Модуль искусственного интеллекта направляет результаты сравнения серверной части.

26. Серверная часть отправляет ответ о том, прошла ли аутентификация пользователя успешно клиентской части.

27. Пользователь признаётся легитимным или нелегитимным в зависимости от ответа, сформированного серверной частью.

На фигуре 1 изображена UML-диаграмма последовательности.

Пользователь вводит свой логин и пароль через приложение. Серверное приложение передаёт запрос в базу биометрических данных, в которой происходит поиск пользователя с данным логином и сравнение переданного пароля с находящимся в базе данных. В случае, если пароль верен, процедура аутентификации продолжается.

От приложения, расположенного на клиентской части, в модуль искусственного интеллекта (AI модуль), поступает запрос на генерацию сценария обработки. В ответ модуль искусственного интеллекта формирует сценарий обработки и отправляет его в серверное приложение, которое посылает сценарий аутентификации в приложение, расположенное в клиентской части.

От приложения клиентской части пользователю поступает запрос с просьбой произнести 3 указанных на экране звука. Записи произнесённых звуков создаются в приложении клиентской части.

От приложения с клиентской части формируется запрос на произнесение 3 чисел, указанных на экране. Записи произнесённых чисел формируются в приложении клиентской части.

Затем приложение, расположенное в клиентской части, подаёт пользователю запрос на произнесение фразы. В приложении клиентской части осуществляется запись произнесённой пользователем фразы.

После чего приложение, расположенное в клиентской части, формирует запрос пользователю на съёмку с камеры, и фотографирует пользователя.

Приложение в клиентской части формирует файл аутентификации со всеми результатами процедуры аутентификации и отправляет его в серверное приложение.

Из серверного приложения в базу биометрических данных отправляется запрос на необходимые файлы аутентификации. В ответ на него в серверное приложение поступают эталонные наблюдения.

Серверное приложение отправляет записи звуков (оба комплекта - и эталонные записи пользователя, и записанные при текущей процедуре аутентификации) для проверки подлинности пользователя в модуль искусственного интеллекта.

Из записанных звуков соответствующий экстрактор выделяет формантные характеристики, мел-кепстральные и дельта-кепстральные коэффициенты. Полученные значения сравниваются между 2-мя комплектами.

Результат проверки звуков поступает в серверное приложение.

Серверное приложение передаёт записи произнесённых чисел в модуль искусственного интеллекта.

Из записей, произнесённых чисел экстрактор, работающий с результатами Вейвлет-преобразования, выделяет 17-ый коэффициент вейвлета Койфлет. Происходит сравнение.

Модуль искусственного интеллекта отправляет результаты проверки записанных чисел серверному приложению.

Серверное приложение посылает записи произнесённой фразы в модуль искусственного интеллекта.

Из записей, произнесённой фразы экстрактор, работающий с результатами Вейвлет-преобразования, выделяет 17-ый коэффициент вейвлета Койфлет. Полученные значения сравниваются между собой.

Результат проверки произнесённой пользователем фразы модуль искусственного интеллекта передаёт серверному приложению.

Из серверного приложения фотографии пользователя поступают в модуль искусственного интеллекта.

Фотография аутентифицируемого также сравнивается с эталонными фотографиями пользователя при помощи методов Виолы-Джонса и бинарной классификации изображений.

Результат проверки полученных фотографий из модуля искусственного интеллекта отправляется серверному приложению.

Серверное приложение формирует итоговый результат проверки и пересылает его в приложение, расположенное в клиентской части.

Приложение клиентской части формирует результат аутентификации и посылает его пользователю.

На фигуре 2 представлена UML-диаграмма активности.

Последовательность действий на ней выглядит следующим образом:

1. Пользователь осуществляет нажатие на кнопку входа.

2. Приложение на клиентской части инициирует начало аутентификации.

3. Пользователь вводит логин и пароль.

4. Приложение на клиентской части создаёт запрос на аутентификацию.

5. Приложение на серверной части подготавливает запрос.

6. База биометрических данных отвечает на запрос.

7. Приложение на серверной части осуществляет валидацию на основе запроса.

8. Приложение на серверной части проверяет началась ли аутентификация.

9. Если процесс аутентификации не запущен, то приложение на клиентской части фиксирует неуспешный вход.

10. Пользователь получает уведомление, что его попытка входа неуспешна. Процесс аутентификации завершается.

11. Если процесс аутентификации успешно начат, то приложение на серверной части генерирует сценарий.

12. Комплекс модулей осуществляет генерацию сценария для аутентификации по параметрам речи и геометрии лица.

13. Приложение на серверной части генерирует сценарий аутентификации.

14. Приложение на клиентской части подготавливает форму для записи звуков.

15. Пользователь произносит звуки.

16. Приложение на клиентской части записывает произнесённые звуки.

17. Приложение на клиентской части подготавливает форму для записи чисел.

18. Пользователь произносит числа.

19. Приложение на клиентской части записывает произнесённые числа.

20. Приложение на клиентской части подготавливает форму для записи фразы.

21. Пользователь произносит фразу.

22. Приложение на клиентской части записывает произнесённую фразу.

23. Приложение на клиентской части подготавливает форму для фотосъёмки лица.

24. Пользователь позирует на камеру.

25. Приложение на клиентской части осуществляет фотосъёмку лица.

26. Приложение на клиентской части собирает файл аутентификации.

27. Приложение на серверной части получает собранные биометрические данные.

28. База биометрических данных осуществляет поиск эталонных записей пользователя.

29. Приложение на серверной части получает запрошенные записи.

30. Приложение на серверной части подготавливает собранные биометрические данные.

31. Приложение на серверной части формирует запрос на проверку по параметрам речи.

32. Комплекс модулей проводит проверку по параметрам речи, в ходе которой сравниваются значения формантных характеристик, мел-кепстральных и дельта-кепстральных коэффициентов произнесённых пользователем звуков и результаты Вейвлет-преобразования записанных в процессе аутентификации чисел и фразы с эталонными.

33. Приложение на серверной части создаёт запрос на проверку по геометрии лица.

34. Комплекс модулей осуществляет проверку по геометрии лица при помощи методов Виолы-Джонса и бинарной классификации изображений.

35. Приложение на серверной части получает результаты проверки.

36. Приложение на серверной части проверяет пройдена ли аутентификация пользователем.

37. Если аутентификация не пройдена, приложение на клиентской части фиксирует неуспешный вход.

38. Пользователь получает уведомление, что его попытка входа неуспешна. Процесс аутентификации завершается.

39. Если аутентификация успешно пройдена, приложение на клиентской части отмечает успешный вход.

40. Пользователь получает уведомление, что его попытка входа успешна. Процесс аутентификации завершается.

На фигуре 3 приведена UML-диаграмма классов относительно их взаимодействия в процессе аутентификации.

Класс «File» определяют атрибуты «id», «user_id», «type_id» и «path».

Класс «User» является зависимым от класса «File». Он представлен атрибутами «id», «email», «password» и «role_id».

Класс «Type» зависим от класса «File». Его характеризуют атрибуты

«id», «name», «displayed_name» и «type».

Класс «Role» зависит от класса «User». Он имеет атрибут «name».

Класс «Routes» определяют атрибуты «session» и «user» и методы «generate_required_fields» и «check_data». Метод «generate_required_fields» в процессе аутентификации генерирует обязательные поля. Метод «check_data» отвечает за проверку данных. Зависимыми от класса «Routes» являются классы «User» и «Utils».

Класс «Utils» представлен атрибутом «session» и методами «get_n_items_of_name_by_query», «get_standard_paths», «get_list_of_

standard_paths», «compare_items», «compare_photos» и «compare_mp3». Метод «get_n_items_of_name_by_query» получает n элементов имени объекта по запросу. Метод «get_standard_paths» принимает стандартные пути для получения и отправки элементов. Метод «get_list_of_standard_paths» получает список стандартных путей для передвижения элементов. Метод «compare_items» сравнивает элементы. Метод «compare_photos» проводит сравнение фотографий по методам Виолы-Джонса и бинарной классификации изображений. Метод «compare_mp3» осуществляет сравнение mp3-файлов по заданным параметрам речи.

Класс «Face_recognition» характеризуется методом «face_compare», который сравнивает лица. Метод «face_compare» находится в непосредственной зависимости от метода «compare_photos», тем самым класс «Face_recognition» зависим от класса «Utils».

Класс «Voice_recognition» определяют методы «check_user», «get_features» и «feature_from_leave». Метод «check_user» запускает проверку биометрических данных пользователя. Метод «get_features» передаёт необходимые функции объекту для осуществления процесса аутентификации. Метод «feature_from_leave» прекращает действие функции у объекта. Класс «Voice_recognition» является зависимым от класса «Utils», от его функции «compare_mp3».

На фигуре 4 приведена UML-диаграмма классов относительно их взаимодействия в составе системы биометрической аутентификации.

Класс «.env» представлен атрибутом «string».

Класс «Config» обладает атрибутом «environ.get» и методом «load_dotenv», запускающим загрузку Dotenv. Класс «Config» находится в зависимости от класса «.env».

Класс «Variabl» содержит атрибуты «string», «list» (для переменных «sounds», «numbers», «phrases», « firstSound», «secondSound», « thirdSound», «firstNumber», «secondNumber», «thirdNumber», «image» и «result») и «boolean».

Класс «Main» представлен атрибутами «QApplication», «QStackedWidget», «MySaluteryWindow», «MyAuthenticationWindow», «MyRecordSoundsWindow», «MyRecordNumbersWindow», «MyRecordPhrase

Window», «MyRecordVideoWindow», «MyFinalWindow» и методами «__init__», «startAuthentication», «sendLoginAndPass», «saveSoundRecordSounds», «saveSoundRecordNumber», «saveSoundRecord

Phrase», «sendAllinf», «restarting». Метод «__init__» создаёт новый объект и определяет его свойства. Метод «startAuthentication» запускает начало аутентификации. Метод «sendLoginAndPass» используется для отправки логина и пароля. Метод «saveSoundRecordSounds» сохраняет записанные гласные и согласные звуки. Метод «saveSoundRecordNumbers» осуществляет сохранение записанных чисел. Метод «saveSoundRecord

Phrase» производит сохранение записанной фразы. Метод «sendAllinf» используется для отправки всей циркулирующей в системе биометрической аутентификации информации. Метод «restarting» завершает процедуру аутентификации.

Класс «Main» зависит от классов «Config», «Variabl», «MySaluteryWindow», «MyAuthenticationWindow», «MyRecordSounds

Window», «MyRecordNumberWindow», «MyRecordPhraseWindow», «MyRecordVideoWindow» и «MyFinalWindow».

Класс «MySaluteryWindow» посвящён окну приветствия графического интерфейса биометрической системы аутентификации, его определяют атрибут «pyqtSignal» и методы «__init__» и «goto». Метод «__init__» запускает создание нового объекта с заданными свойствами. Метод «goto» осуществляет переход к другому окну.

Класс «MyAuthenticationWindow» задаёт свойства окна аутентификации. Его характеризуют атрибут «pyqtSignal», обозначающий место окна в графическом интерфейсе программы, и методы «__init__» и «goto».

Класс «MyRecordSoundsWindow» посвящён окну записи звуков. Он представлен атрибутом «pyqtSignal» и методами «__init__», «goto», «showEvent» и «record». Назначение методов «__init__» и «goto» совпадает с назначением одноимённых методов, описанных выше. Метод «showEvent» показывает степень готовности произнесения звуков. Метод «record» записывает произносимые пользователем звуки.

Класс «MyRecordNumbersWindow» реализует окно записи результатов произнесения чисел. Он представлен атрибутом «pyqtSignal» и методами «__init__», «goto», «showEvent» и «record».

Класс «MyRecordPhraseWindow» формирует окно записи результата произнесения фразы. Он имеет атрибут «pyqtSignal» и методы «__init__», «goto», «showEvent» и «record».

Класс «MyRecordVideoWindow» задаёт свойства окна видеозаписи, благодаря которому через веб-камеру создаётся серия фотографий. Этот класс обладает атрибутом «pyqtSignal» и методами «__init__», «goto», «showEvent» и «imageUpdateSlot». Метод «imageUpdateSlot» фотографирует пользователя.

Класс «MyFinalWindow» посвящён финальному окну графического интерфейса системы биометрической аутентификации. Его определяют атрибут «pyqtSignal» и методы «__init__» и «showEvent». Метод «__init__» создаёт новый объект с определёнными свойствами. Метод «showEvent» демонстрирует пользователю его результат прохождения аутентификации.

Класс «Salutary (Ui_MainWindow)» характеризуется методами «setupUi» и «retranslateUi». Метод «setupUi» запускает окно приветствия. Метод «retranslateUi» устанавливает текст. Класс «MySaluteryWindow» зависим от класса «Salutary (Ui_MainWindow)».

Классы «Authentication», «RecordSounds», «RecordNumbers», «RecordPhrase», «RecordVideo» и «Final» также реализуются посредством методов «setupUi», запускающего определённые окна, и «retranslateUi», ответственного за отображение текстов на соответствующих окнах. Классы «MyAuthenticationWindow», «MyRecordSoundsWindow», «MyRecordNumbersWindow», «MyRecordPhraseWindow», «MyRecordVideo

Window» и «MyFinalWindow» находятся в зависимости от классов «Authentication», «RecordSounds», «RecordNumbers», «RecordPhrase», «RecordVideo» и «Final» соответственно.

Класс «RecordVideoWindow» содержит атрибут «pyqtSignal» и методы «__init__», «run» и «stop». Метод «__init__» создаёт объекты, метод «run» запускает начало видеозаписи (из которой впоследствии формируются фотографии), а метод «stop» заканчивает видеозапись. Класс «MyRecordVideoWindow» зависит от класса «RecordVideoWindow».

На фигуре 5 показана UML-диаграмма состояний.

Она представлена следующими этапами, демонстрирующими смену состояний системы биометрической аутентификации:

1. Нажатие на кнопку входа приводит к началу аутентификации.

2. Для входа в систему пользователь вводит логин и пароль.

3. Неверный ввод логина или пароля приводит к ошибке входа в систему.

4. Повторная попытка запускает начало аутентификации.

5. Верный ввод логина и пароля допускает пользователя к произношению звуков.

6. После ввода 3 звуков пользователь переходит к произношению чисел.

7. Ввод 3 чисел приводит к произношению фразы.

8. Ввод фразы позволяет перейти к фотографированию пользователя.

9. Ввод фотографий завершается ожиданием результатов проверки.

10. Если аутентификация не пройдена, то диагностируется ошибка входа в систему.

11. Пользователь переходит к началу аутентификации.

12. Если аутентификация пройдена, то фиксируется успешное завершение аутентификации.

13. Пользователь получает пропуск на объект.

Использование в качестве характеристик биометрического образа формантных характеристик, мел-кепстральных и дельта кепстральных коэффициентов гласных и согласных звуков, результатов вейвлет-преобразования чисел и фраз, произнесённых пользователем, и данных геометрии лица, полученных посредством методов Виолы-Джонса и бинарной классификации изображений позволяет:

- снизить величину ошибки 1-го рода (когда система аутентификации отказывает в доступе легитимному пользователю) до 1,5%, а величину ошибки 2-го рода (когда система аутентификации предоставляет доступ постороннему лицу) - до 2%;

- сократить время прохождения самой биометрической аутентификации до 2 минут;

- обеспечить защиту системы аутентификации от подмены злоумышленником биометрических данных пользователя совокупностью аудио-, видео- и фото-материалов за счёт большого числа различных комбинаций исходных параметров.

Таким образом, предлагаемое изобретение позволяет повысить эффективность аутентификации пользователей в информационной системе предприятия.

Изобретение относится к области информационной безопасности и может быть использовано при аутентификации сотрудников предприятия для защиты его периметра и информационных ресурсов от несанкционированного доступа. Техническим результатом при осуществлении заявленного изобретения является повышение эффективности аутентификации пользователей в информационной системе предприятия. Способ биометрической аутентификации по параметрам речи и геометрии лица включает предварительное определение набора характеристик биометрического образа пользователя, выделение указанных характеристик из голосовых записей и фотографий для пользователей информационной системы, запись биометрических данных в базу биометрических данных, сравнение биометрического образа пользователя с его образом в базе биометрических данных, при этом в качестве характеристик биометрического образа для распознавания голоса используют формантные характеристики, мел-кепстральные и дельта-кепстральные коэффициенты гласных и согласных звуков, результаты вейвлет-преобразования чисел и фраз, произнесенных пользователем, а распознавание геометрии лица осуществляют путем сравнения полученных данных с данными в базе биометрических данных посредством методов Виолы-Джонса и бинарной классификации. 5 ил.

Способ биометрической аутентификации по параметрам речи и геометрии лица, включающий предварительное определение набора характеристик биометрического образа пользователя, выделение указанных характеристик из голосовых записей и фотографий для пользователей информационной системы, запись биометрических данных в базу биометрических данных, сравнение биометрического образа пользователя с его образом в базе биометрических данных, отличающийся тем, что в качестве характеристик биометрического образа для распознавания голоса используют формантные характеристики, мел-кепстральные и дельта-кепстральные коэффициенты гласных и согласных звуков, результаты вейвлет-преобразования чисел и фраз, произнесенных пользователем, а распознавание геометрии лица осуществляют путем сравнения полученных данных с данными в базе биометрических данных посредством методов Виолы-Джонса и бинарной классификации.