5. BALSO TECHNOLOGIJŲ PANAUDOJIMO KRIMINALISTIKOJE ANALIZĖ PASAULYJE IR LIETUVOJE

 

 

5.1 Balso technologijų panaudojimo kriminalistikoje analizė pasaulyje

 

Kriminalistikoje balso technologijos pradėtos taikyti palyginti ne taip seniai, kaip pirštų antspaudai. Pirmoji fonoskopinė ekspertizė, teisme priimta kaip įkaltis, buvo atlikta JAV 1960 metais. Nors kariškiai ir specialiosios tarnybos savo darbe balso technologijas ar jų elementus pradėjo taikyti savo veikloje gerokai anksčiau, Antrojo pasaulinio karo metais. Kalbinių technologijų panaudojimo specialiųjų tarnybų bei kariniams tikslams srityje darbai JAV  buvo vykdomi pagrinde BELL ir Nacionalinės saugumo agentūros (NSA) laboratorijose. Tarybų Sąjungoje taip pat stengtasi neatsilikti ir vykdyti panašius darbus. Tuo metu sukurti produktai buvo labai brangūs, sudėtingi, didelių matmenų ir t.t. Pavyzdžiui NSA užsakymu 1944 metais sukurtas vokoderis, skirtas telefoninių pokalbių užslaptinimui, buvo talpinamas traktoriaus traukiamoje didžiulėje priekaboje [1]. Todėl tik pasiekus atitinkamą garso įrašymo technikos ir pačių kalbinių priemonių technologinį lygį, apie 1970 metus šios technologijos buvo pradėtos taikyti kriminalistikoje.

Balso technologijų taikymas kriminalistikoje. Kriminalistinę techniką bei technologijas, kurios atitinkamai yra susijusios su garso technologijomis, pagal panaudojimo pobūdį reikėtų skirstyti į dvi sritis:

·        Kriminalinė paieška arba operatyvinis darbas;

·        Teismo kriminalistika, arba teismo ekspertizė (Forensic criminalistic).

Kriminalistikos moksle bei moksliniuose tyrimuose šio dalinimo nėra, nes moksliniai pasiekimai sėkmingai naudojami tiek operatyviniame darbe, tiek teismo ekspertizėje. Tačiau visgi yra keletas esminių skirtumų, susijusių ir su pačių garsinių technologijų panaudojimu.

Visų pirma kriminalinei paieškai reikalingi patogūs darbui technologiniai sprendimai, nereikalaujantys iš vartotojo ypatingų žinių. Operatyvinio darbuotojo arba techniko uždaviniai yra: kokybiškai padaryti garso (vaizdo) įrašus, užtikrinti jų autentiškumą, panaudojant naujas technologijas (ypač tai svarbu darant skaitmeninius įrašus), greitai surasti reikiamus įrašus balsų bazėje, jei tokia egzistuoja, pasinaudoti turimomis priemonėmis garso įrašo suprantamumui pagerinti.

Tuo tarpu teismo ekspertizės metu atliekamas ekspertinis garso – vaizdo įrašų tyrimas. Ekspertas turi turėti gilias atitinkamų mokslo sričių žinias. Jis turi atlikti tyrimą, pasinaudodamas naujausiomis technologijomis ir turimomis mokslinėmis žiniomis, pateikti šio tyrimo moksliškai pagrįstą ataskaitą teismui ir, esant reikalui, apginti savo išvadas teisme.

Šiuo metu pagrindinis dėmesys skiriamas šiems tyrimams, susijusiems su kalbinių technologijų taikymu kriminalistikoje:

·        Skaitmeninių garso signalų įrašymas ir jų autentiškumo užtikrinimas naudojant skaitmeninius vandens ženklus, kriptografijos elementus ir kt.;

·        Balsų bazių kūrimas;

·        Užtriukšmintų garso įrašų filtravimas, garso įrašų suprantamumo gerinimas, norimo asmens balso išskyrimas iš balsų mišinio ir kt.;

·        Asmens identifikavimas pagal balsą (Speaker identification);

·        Garso įrašų integralumo ir autentiškumo nustatymas (Integrity and Authenticity Examinations of Audio Recordings).

Teisminėje kriminalistikoje aktualiausios yra trys paskutinės tyrimų kryptys ir kalbinių technologijų pasiekimų šiose srityse taikymas. Tuo tarpu kriminalistams – operatyvininkams aktualesni kalbinių technologijų pasiekimai, susiję su pirmomis trimis tyrimų kryptimis. Reikia pastebėti, kad čia buvo aptarti tik pagrindiniai kalbinių technologijų taikymo kriminalistikoje aspektai. Tačiau yra visa eilė šių technologijų taikymo sričių, kur jos atlieka galbūt nepagrindinį vaidmenį. Kaip pavyzdį galima paminėti melo detektorių pagal balsą.

Kriminalistikos sritis, kuri apima visas aukščiau išvardintas tyrimų kryptis, dar vadinama kriminalistine akustika (The Acoustics of crime) arba kriminalistine fonetika (Forensic phonetic) [2]. Teismo ekspertizė, kuri sprendžia aukščiau nurodytas problemas, vadinama kriminalistiniu balso ir garso signalų bei jų įrašymo priemonių tyrimu (Forensic speech and audio analysis). Lietuvoje ir buvusiose socialistinėse šalyse ši sritis vadinama fonoskopija. JAV naudojamas terminas “Kriminalistinė akustika” (The Acoustics of crime) arba “Balso įrašų identifikavimas (Voicegram identification). Taip pat naudojami ir kiti pavadiniai, pvz.: Federalinis tyrimų biuras (FBI) naudoja terminą Forensic Audio Recordings investigations.

1995 metais Europos kriminalistinės laboratorijos bei institutai apsijungė į Europos kriminalistinių laboratorijų ir institutų sąjungą (European Network of Forensic Science Institutes  - ENFSI). Iš Lietuvos į šią sąjungą priimtas vienintelis Lietuvos teismo ekspertizių centras, o šio centro Fonoskopijos skyrius aktyviai dalyvauja Fonoskopijos darbo grupės (ENFSI Working Group for Forensic Speech & audio analysis), sutrumpintai WGSA, darbe. Ši grupė įkurta 1997 metais. Pagrindiniai jos uždaviniai:

·        Koordinuoti mokslinius darbus, vykdomus kriminalistiniame balso ir garso signalų bei jų įrašymo priemonių tyrime.

·        Įvertinti padėtį šios srities ekspertinėje praktikoje ir pateikti atitinkamas rekomendacija.

·        Harmonizuoti Europos Fonoskopinių laboratorijų darbą aukščiau išvardintose kriminalistinės akustikos ekspertinio tyrimo srityse.

·        Aktualiausių fonoskopijos uždavinių formulavimas ir jų sprendimo būdų ieškojimas;

·        Ekspertizės (ekspertinių tyrimų ataskaitos) išvadų vertinimas ir jų harmonizavimas.

Šiuo metu WGSA darbo grupėje dalyvauja keturiolika šalių, kai kurios šalis turi po dvi laboratorijas. Prieš grupės susirinkimus, kiekvienai laboratorijai pateikiamas klausimynas apie naudojamus tyrimo metodus, atliekamų ekspertizių kiekį, ekspertizės atlikimo laiką ir kiti klausimai. Po to susitikimo metu analizuojami atsakymai ir formuluojamos problemos, ieškoma jų sprendimo kelių. 1 lentelėje pateiktas laikas, kuris sugaištamas vieno asmens identifikavimui, kai turime geros kokybės apytikriai 2min tiriamąjį garso įrašą. 2lentelėje pateikti fonoskopinių laboratorijų darbo rezultatai už 1999 metus, kurie buvo paskelbti 1999 metais Madride vykusiame  WGSA darbo grupės susitikimo ataskaitoje [3]. Paskutiniame Fonoskopijos darbo grupės susitikime, vykusiame 2001metais Paryžiuje, konstatuota, kad fonoskopinių ekspertizių poreikis visą laiką auga, o jų atlikimo terminai ir tikslumas (ką rodo ir 1,2 lentelės) netenkina Europos teisėsaugos sistemos. Todėl šioje srityje dirbantiems teismo ekspertams bei kalbines technologijas kuriantiems mokslininkams iškeltas uždavinys – pagreitinti fonoskopinių ekspertizių atlikimą, užtikrinant jų atlikimo kokybę, bei įsisavinti sprendimą naujų uždavinių, kuriuos formuluoja šiuolaikinė kriminalistinė praktiką.

 

1 lentelė Vieno asmens identifikavimo pagal balsą, užfiksuotą 2min garso įraše, trukmė.

 

 

 

2 lentelė Pagrindinių Europos fonoskopinių laboratorijų 1999m. darbo rezultatai.

 

 

 

Pastaba: * - atliktų ekspertizių skaičius.

 

Taip pat [4] pažymėta, kad vienas iš aukščiau nurodytų problemų sprendimo būdų –naujausių kalbos technologijų pasiekimų taikymas kriminalistikoje glaudžiai bendradarbiaujant kriminalistams ir mokslininkams, dirbantiems kalbinių technologijų srityje. XIII Interpolo teismo kriminalistikos mokslų konferencijoje [5], kuri vyko 2001 metais Lijone buvo suformuluotos trys pagrindinės fonoskopijos problemos, reikalaujančios mokslinio sprendimo:

·        Ekspertinis asmens identifikavimas pagal jo balsą (Speaker identification by experts) ;

·        Garso įrašų integralumo bei autentiškumo nustatymas (Integrity and Authenticity Examinations of Audio Recordings);

·        Užtriukšmintų garso įrašų suprantamumo gerinimas (Intelligibility Enhanecement).

 

Kriminalistikoje naudojami balso technologijų metodai. Viena pagrindinių problemų išlieka asmens identifikavimas pagal balsą, todėl ją panagrinėsime smulkiau. Moksliniuose kalbinių technologijų tyrinėjimuose kalbėtojo atpažinimas pagal jo balsą yra suprantamas kaip procesas, kurio metu iš asmens kalbos signalų išskiriami identifikaciniai požymiai, pagal kuriuos ir atpažįstamas konkretus asmuo. Kalbėtojo atpažinimas savo ruožtu skirstomas į identifikavimą ir verifikavimą. Tiek verifikavimas, tiek identifikavimas gali būti priklausomas arba nepriklausomas nuo teksto. Teismo ekspertizėje asmens atpažinimas pagal balsą vadinamas asmens identifikavimu ir dažniausiai yra nepriklausomas nuo teksto. Kriminalistikoje naudojami ir verifikavimo elementai, kai atliekamas asmens vertinimas pagal balsą. Kaip pavyzdį čia galima paminėti asmens balso palyginimą su balsais iš turimos balsų bazės.

Pagrindinis bruožas skiriantis teisminį asmens identifikavimą nuo kitų verifikavimo sistemų yra tai, kad mes turime “nelinkusio bendrauti” (non co-operative speaker) asmens balsą. T.y. dažniausiai tiriamasis ir lyginamasis garso įrašai stipriai skiriasi. Šis skirtumas susidaro dėl skirtingų garso įrašų darymo sąlygų, asmens skirtingų emocinių būsenų, triukšmo įtakos, garso įrašymo kanalų nesutapimo ir t.t.[5].

Šiuo metu teisminiame asmens atpažinime pagal balsą (asmens identifikavime pagal balsą) yra naudojami šie pagrindiniai metodai (approaches):

·        Sonografinis metodas (Voiceprint);

·        Fonetinis – akustinis metodas;

·        Kombinuotas metodas;

·        Automatinis metodas.

Reikia pastebėti, kad toks skirstymas yra sąlyginis, kai kurie pavadinimai nėra visiškai prigiję praktikoje. Pavyzdžiui, kombinuotas metodas  kartais vadinamas pusiau automatiniu (semi – automatic). Toliau trumpai aptarsime čia nurodytus metodus.

 

 

5.1.1 Sonografinis metodas.

 

Šį metodą pasiūlė JAV mokslininkas L.Kersta iš Bell laboratorijos apie 1960 metus. Šio metodo esmę sudaro kalbos signalo sonogramų tyrimas. Sonograma tai -  signalo momentinių spektrų seka, pavaizduota trimatėje erdvėje, kurią sudaro laikas, dažnis ir intensyvumas.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

1 pav. Žodžių “Valdovų rūmai” a – signalograma, b- sonograma.

 

Kaip matome iš 1pav. sonograma gana gerai atspindi kalbos signalo struktūrą. Kadangi apie 1960 metus jau egzistavo specialus prietaisas - sonografas, kurio pagalba ant specialaus popieriaus buvo vaizduojamos sonogramos, ilgą laiką šis metodas buvo vienas pagrindinių asmens atpažinimui pagal balsą naudojamų ir taikomų teisminėje ekspertizėje metodų. 1979 metais Amerikos nacionalinės mokslų akademijos (American National Academy of Sciences) Balso identifikavimo ir audio analizės pakomitetis (Voice Identification and Acoustic Analysis Subkomitee – VIAAS) paskelbė asmens identifikavimo, naudojant sonogramas, standartą [6]. Šiame standarte nurodyta kiek žodžių turi sutapti tiriamajame ir lyginamajame garso įrašuose, kad būtų duotos atitinkamos išvados, reikalavimai garso atkūrimo aparatūrai, eksperto kvalifikacijai ir t.t. Nors šis metodas ir buvo kritikuojamas, 1991 metais VIAAS kartu su Tarptautine identifikacijos asociacija (International Association for Identification – IAI) padariusi kai kuriuos papildymus paliko galioti anksčiau minėtą standartą [7], o sonografinis metodas JAV bei daugelyje kitų šalių asmens identifikavimui naudojamas ir dabar. 1996 metais JASA žurnale [8] buvo paskelbti FTB darbo rezultatai, kai sprendžiant asmens identifikavimo pagal balsą klausimus buvo panaudotas sonografinis  metodas. Iš viso buvo spręsta 2000 asmens identifikavimo klausimų.

 

3 Lentelė  FTB 1975-1985 asmens identifikavimo pagal balsą rezultatai

 

 

Metodo privalumai. Tai santykinai paprastas metodas, kadangi tyrimui naudojamas specialus prietaisas. JAV ir Europoje 1980-1990 metais buvo vienas iš pagrindinių metodų atliekant asmens identifikavimą pagal balsą.

Metodo trūkumai. Pagrindinis metodo trūkumas – tai šio metodo subjektyvumas. Ekspertas priima sprendimą vadovaudamasis tik savo patirtimi ir žiniomis.  Todėl ekspertui keliami labai aukšti reikalavimai, pvz.: jis turi turėti mokslo laipsnį iš kalbos signalų apdorojimo, ne mažesnį kaip 5 metų darbo stažą ir t.t. Taip pat kaip matome iš 3 lentelės taikant šį metodą yra labai didelis atmestų klausimų skaičius (daugiau nei 50%). Taip yra dėl to, kad taikant šį metodą didelę įtaką turi garso įrašų kokybė, jų darymo sąlygų sutapimas. Tai yra, jei  garso įrašai daryti skirtingomis sąlygomis – juos tirti atsisakoma. Taip pat šis metodas yra dalinai priklausomas nuo teksto:  tiriamajame ir lyginamajame įrašuose turi būti tam tikras vienodų žodžių skaičius.

 

5.1.2. Fonetinis – akustinis metodas.

 

Fonetinis - akustinis metodas yra tam tikra sonografinio metodo modifikacija. Šio metodo esmę sudaro tai, kad ekspertas iš klausos stengiasi nustatyti tam tikrus artikuliacijos bei tarties ypatumus ir atitinkamai juos atvaizduoti panaudojant sonogramas [9].

Metodo privalumai. Tai santykinai paprastas metodas, jei tyrimams naudojamas sonografas. 1980-1995 metais šis metodas buvo gana intensyviai naudojamas Vokietijoje, Austrijoje, Švedijoje, Olandijoje ir kitose šalyse.

Metodo trūkumai.  Dauguma fonetinio – akustinio asmens identifikavimo pagal  balsą trūkumų išlieka tokie pat kaip ir naudojant sonografinį metodą. Tačiau čia dalinai mažesnė priklausomybė nuo teksto. Šis metodas, kaip ir sonografinis, yra kritikuojamas dėl anksčiau minėtų trūkumų [10], ir daugelis šalių, tame tarpe ir Vokietija, atsisako jį naudoti.

 

5.1.3. Kombinuotasis metodas.

 

Kombinuotas metodas (combined method), arba dar kartais vadinamas pusiau automatiniu metodu (semiautomatic), tai – metodas, kurio pagrindą sudaro audityvinė kalbos signalo analizė, atitinkanti psichoakustikos dėsnius, ir akustinė analizė. Akustinės analizės metu iš kalbos signalų išskiriami identifikaciniai asmens balso požymiai ir po to atliekami atitinkami statistiniai skaičiavimai. Galutiniame tyrimo etape ekspertas, žinodamas  šių požymių fizikinę prasmę, jų statistinio pasiskirstymo ribas bei atsižvelgdamas į audityvinės analizės rezultatus pateikia atitinkamą išvadą.

Metodo privalumai. Pagrindinis šio metodo privalumas tai – jo objektyvumas. Tai yra turint tuos pačius garso įrašus galima pakartoti tyrimą ir patikrinti rezultatus, taip pat objektyviai motyvuoti daromas išvadas. Be to šis metodas yra nepriklausomas nuo teksto. Nėra tokių aukštų reikalavimų tiriamo signalo kokybei: santykis signalas triukšmas gali būti S/N ~10dB. Todėl kombinuotas metodas vienas iš perspektyviausių [5], ir intensyviai vykdomi tolesni jo tobulinimo darbai. Šiuo metu pasaulinėje ekspertinėje praktikoje naudojamos trys asmens identifikavimo pagal balsą sistemos, besiremiančios šiuo metodu: DIALECT [11] (Rusija), IDEM [12] (Italija) ir SIVE [13] (Lietuva). Kombinuotas metodas pagrinde naudojamas Europoje: Rusijoje, Ispanijoje, Italijoje, Lenkijoje, Lietuvoje, Vokietijoje ir kt.

Metodo trūkumai. Šio tyrimo trūkumas yra tai, kad tyrimo tikslumui turi įtaką skirtingos garso įrašų darymo sąlygos, pvz.: vienas įrašas padarytas per telefoninį kanalą, kitas – naudojant diktofono mikrofoną. Šiuo metu vykdomi intensyvūs moksliniai darbai siekiant pašalinti šio metodo trūkumus.

 

5.1.4. Automatinis metodas

 

Automatinis asmens atpažinimo metodas – kai į kompiuterį arba specialų įrenginį įvedama nežinomo asmens balso garso įrašas ir žinomo asmens balso garso įrašas, ir gaunamas tyrimo rezultatas  - šių balsų sutapimo tikimybė arba tikėtinumų santykis (angl. likelihood ratio) [5]. Tai yra iš balso garso įrašų signalų automatiškai išskiriami identifikaciniai požymiai ir, panaudojant atitinkamus sprendimų algoritmus, gaunamas galutinis rezultatas – balsų sutapimo tikimybė arba atitinkama kreivė [14, 15, 16, 17]. Kol kas šio metodo pagrindinė panaudojimo sritis – kriminalinė paieška ir operatyvinis darbas. Teisminėje praktikoje (teismo ekspertizėje) automatinis metodas kol kas nėra paplitęs. Šiuo metu automatinio asmens atpažinimo pagal balsą panaudojimui kriminalistikoje labai didele įtaką turi asmens verifikavimo pagal balsą metodai [18, 19, 20], kurie sėkmingai naudojami komerciniais tikslais, o firmos kuriančios tokius produktus tikisi nemažo pelno [21].

Automatinio asmens atpažinimo pagal balsą sistemų pagrindą dažniausiai sudaro paslėptų Markovo grandinių (HMM) arba Gausinių mišinių modelis (GMM) [20]. Kadangi automatinėms asmens atpažinimo pagal balsą sistemoms pasaulyje skiriama daug dėmesio, mes smulkiau panagrinėsime FTB kuriamą automatinę asmens atpažinimo pagal balsą sistemą ( Forensic Automatic Speaker Recognition – FASR) [22].

FASR kūrimas buvo inicijuotas 1995 metais, ir šios sistemos kūrime dalyvavo septynios organizacijos:

·        GTE/BBN Technologies;

·        Oregon Graduate Institute of Science and Technology;

·        Massachusetts Institute of Technology Lincoln Laboratory;

·        US Air Force Research Laboratory , Rome;

·        US Air Force Research Laboratory Wright  Patterson;

·        Wagner Associates;

·        T- Netix Inc.

FASR sistemos testavimui FTB kartu su Los Andželo policijos departamentu bei Pensilvanijos universiteto Linguistic Data Consortium 1985-1989 sukūrė  kriminalistinę balsų bazę. Šią balsų bazę sudaro 51 asmens balsų įrašai, kurie padaryti įvairiomis sąlygomis. Frazės buvo įrašomos panaudojant radijo mikrofoną (B), mikrofoną (M) ir telefono aparatą (T). Garso įrašymui panaudotas profesionalus juostinis magnetofonas FORSTEX R8. Garso įrašo trukmė kiekvienam

 

 

 

 

 

 

 

 

 

 

2 pav.Priėmimo vykdymo kreivės

 

asmeniui - apie 2 minutes. 2 pav. pateikta priėmimo vykdymo kreivių (PVK) atitinkama transformacija DET kreivės. Tai FASR sistemos darbo charakteristika, kai sistemos apmokymui ir jos testavimui naudojama įvairios trukmės balsų garso įrašai (30s apmokymui ir 30s testui. Atviras testas). 4lentelėje pateikti geriausi asmens identifikavimo pagal balsą rezultatai, panaudojant FASR sistemą, esant uždaram testui. Tai yra kai apmokymui imamas 2min balso įrašas, o testavimui  30s to paties įrašo. Kaip matome iš pateiktų FASR sistemos identifikavimo tikslumo testų, kol kas identifikavimo rezultatai nėra geri. Todėl numatyta ateityje gerinti sistemos darbą.

 

 

4 Lentelė FASR sistemos identifikavimo tikslumas

 

            Yra ir daugiau automatinių asmens atpažinimo pagal balsą sistemų [14], tačiau labai sunku vertinti jų darbo rezultatus, kadangi jų darbingumui tirti naudojamos nekriminalistinė balsų bazės, kurios padarytos geromis sąlygomis.

Metodo privalumai. Automatinis asmens atpažinimo pagal balsą metodas yra gana patogus vartotojui. Kadangi šis metodas iš vartotojo reikalauja minimalių žinių, šis metodas yra skirtas pagrinde kriminalinei paieškai. Jis galėtų būti gana efektyviai naudojamas, kai garso įrašymo sąlygos gali būti kontroliuojamos.

Metodo trūkumai.  Vienas iš pagrindinių automatinio asmens atpažinimo pagal balsą trukumų yra tai, kad tiek sistemos apmokymui, tiek testavimui reikalingi sąlyginai ilgi (³2min) balso įrašai. Tuo tarpu kriminalistikoje šiuo metu aktualiausia yra trumpų, garso įrašų kurių trukmė – 10 –15s ir mažiau, tyrimas. Automatinio asmens identifikavimo pagal balsą taikymas teismo ekspertizėje kol kas yra gana ribotas [5].

 

Užtriukšmintų garso įrašų filtravimas, garso įrašų suprantamumo gerinimas, norimo asmens balso išskyrimas iš balsų mišinio metodai. Užtriukšmintų garso įrašų suprantamumo gerinimas yra viena iš pagrindinių kalbinių technologijų taikymo  sričių kriminalistikoje.  Kadangi garso įrašų suprantamumo gerinimas yra aktualus ne tik kriminalistams – operatyvininkams, bet ir teismo ekspertizei, specialiosioms tarnyboms bei kariškiams, šiuo metu egzistuoja gana daug įvairių prietaisų ir technologijų, skirtų užtriukšmintų garso įrašų filtravimui: pradedant elementariais filtrais, baigiant sudėtingomis sistemomis, kuriose integruota filtravimo technologija kartu su atraminiais garso šaltiniais.Pvz.: adaptyvus filtras kartu su daugiakanaliu televizijos bei radijo imtuvu [23]. Dabar triukšmo filtravimui daugiausia naudojami įvairūs programiniu pavidalu kompiuteryje realizuoti filtrai garso įvedimui išvedimui naudojant profesionalias kortas. Kriminalistikai skirtos triukšmo slopinimo sistemos  turi dirbti su signalais, kurių pagrindinės charakteristikos yra tokios [5]:

·        Siaura dažnių juosta (300¸2500Hz);

·        Didelis dažninės charakteristikos netolygumas (±20dB);

·        Dideli netiesiniai iškraipymai (>1%) ir besikeičiantis garso įrašo lygis signale;

·        Triukšmų pobūdis įvairus, jis gali keistis.

Atsižvelgiant į čia išdėstytas “kriminalistinių” garso signalų savybes, matome, kad vieno tipo filtro panaudojimas dažniausiai rezultatų neduoda. Atliekant triukšmo slopinimą, dar reikia įvertinti dvi aplinkybes, su kuriomis susiduriama tolimesniame garso įrašų tyrime. Jei mes norime nuslopinti triukšmą tik tam, kad atkurti garso įraše užfiksuoto pokalbio turinį, tai galime naudoti įvairius triukšmo slopinimo arba filtravimo metodus. Tačiau, jei mes nufiltruotą signalą tirsime toliau, t.y. tirsime įrašo autentiškumą ir atliksime asmens identifikaciją, tai turime nepamiršti, kad bet kokia signalo filtracija yra signalo iškraipymas, o tuo pačiu ir jo savybių pakeitimas. Todėl ekspertas, naudodamas įvairius filtravimo metodus, labai gerai turi žinoti, kaip bus paveikti balso identifikaciniai požymiai, kad galėtų toliau atlikti tyrimus.

Šiuo metu nėra universalių filtravimo metodų, ir pagerinti kalbos signalo suprantamumą, kai turime siaurą dažnių juostą ir mono įrašą, dažniausiai yra labai sunku [5]. Todėl norint pagerinti garso įrašų suprantamumą, visų pirma, būtina naudoti profesionalią garso įrašymo techniką: minimum du kanalai, plati dažnių juosta, ir jau įrašymo metu naudoti triukšmo slopinimo algoritmus [5].

Visas šiuo metu naudojamas kriminalistines triukšmo slopinimo ir garso įrašų suprantamumo gerinimo technologijas sąlyginai galima suskirstyti į dvi grupes:

·        Įvairūs filtrai realizuoti prietaisų pavidalu [24];

·        Filtravimo ir garso įrašų technologijos, realizuotos programiniu pavidalu universaliuose kompiuteriuose [25].

Filtravimo aparatūrą, realizuotą atskirų prietaisų pavidalu dažniausiai naudoja kriminalistai – operatyvininkai. Teismo ekspertizėje taip pat naudojami įvairūs filtravimo – triukšmo slopinimo prietaisai, tačiau dažniau naudojamos triukšmo slopinimo technologijos, realizuotos įvairių algoritmų pavidalu [26]. Tai yra pradžioje ekspertas analizuoja triukšmo savybes, panaudodamas įvairius analizės algoritmus, o po to pasirenka atitinkamą filtravimo algoritmą [26].  Čia svarbu panaudoti tokius filtravimo metodus, kurie turėtų mažiausią įtaką asmens identifikaciniams požymiams, t.y. panaudoti filtravimo metodai leistų atlikti asmens identifikavimo pagal balsą tyrimą.

Šiuo metu kuriamos technologijos, kurios leidžia iš kelių kalbančiųjų balsų mišinio išskirti norimo asmens balsą [27]. Tačiau šias technologijas įmanoma taikyti tik tada, jei turime daugiakanalį įrašą (mažiausiai keturi kanalai). T.y. pvz.: patalpoje yra išdėstyti keturi mikrofonai ir daromas sinchroninis garso įrašas iš 4 mikrofonų. Tada panaudojant atitinkamą technologiją galima išskirti vieno iš pokalbyje dalyvaujančių asmenų balsą. Šiuo metu tokios technologijos kriminalistikoje nėra plačiai paplitusios, jas naudoja tik specialiosios tarnybos.

Kol kas nėra vieningos filtrų darbo efektyvumo vertinimo metodikos [5]. Deja egzistuojantis parametras S/N nėra susijęs su garso įrašų suprantamumu, todėl pagrindiniais kriterijais tampa technologijos paprastumas ir universalumas.

 

Skyriaus išvados: Apibendrinant pasaulinėje kriminalistikos praktikoje naudojamų metodų analizę galime padaryti keletą išvadų:

 

1.      Šiuo metu garso teisminių ekspertizių (fonoskopinių) poreikis visame pasaulyje nuolat auga, o jų atlikimo terminai ir tikslumas netenkina teisėsaugos sistemos. Šių ekspertizių atlikimo pagreitinimas bei naujų uždavinių, kuriuos formuluoja šiuolaikinė kriminalistinė praktika, sprendimas galimas tik tada, kai bus glaudžiai bendradarbiaujama tarp šioje srityje dirbančių teismo ekspertų bei kalbines technologijas kuriančių mokslininkų.

2.      Nepaisant visų pasiekimų asmens atpažinimo pagal balsą srityje, kriminalistinis asmens identifikavimas pagal balsą yra labai aktuali problema. Pagrindinės tyrimų kryptys čia yra dvi. Visų pirma, garso įrašymo sąlygų įtakos mažinimas identifikavimo tikslumui. Antra, mūsų nuomone, reikalingi moksliniai tyrimai naujų identifikacinių požymių iš balso išskyrimui, kadangi šiuo metu asmens identifikavimui naudojami tie patys požymiai, kaip ir kalbos atpažinimui. Šie požymiai literatūroje vertinami gana prieštaringai: viename straipsnyje jie naudojami kalbos atpažinimui, ir teigiama, kad jie nepriklauso nuo asmens individualių savybių (tai svarbu atpažįstant kalbą), kitame – kad tie patys požymiai gerai atspindi individualiais kalbančiojo savybes. Mokslinių tyrimų, kur būtų nagrinėjamos įvairių identifikacinių požymių sistemos yra labai mažai, ir tai dažniausiai jie skirti įvairių verifikacinių sistemų pagal balsą problemų tyrimui. Tuo tarpu specifinių kriminalistinių asmens identifikavimo pagal balsą problemų mokslinių tyrimų beveik nėra.

3.      Šiuo metu plačiausiai kalbinės technologijos taikomos triukšmo slopinimui ir kalbos suprantamumo gerinimui. Čia taikomi tiek įvairūs triukšmo slopinimo algoritmai, realizuoti prietaisų pavidalu, tiek programiniu pavidalu PC. Perspektyviausia kryptis kalbinių technologijų panaudojimo triukšmo slopinimui ir kalbos suprantamumo gerinimui būtų naujų patogių vartotojui technologijų sukūrimas, realizuojant jas programiniu pavidalu. Savaime suprantama, šios technologijos turi efektyviai slopinti įvairaus pobūdžio triukšmus, kurie atsiranda panaudojant nusikaltimų fiksavimui šiuolaikinę garso įrašymo techniką.

4.      Viena iš perspektyviausių krypčių kalbinių technologijų  taikyme tai – taip vadinamų skaitmeninių “vandens ženklų” panaudojimas skaitmeninių garso įrašų autentiškumui užtikrinti. Šiuo metu vykdomi intensyvūs tyrimai, siekiant apsaugoti garso įrašus nuo nesankcionuoto jų tiražavimo (ypač muzikinius kūrinius). Mūsų nuomone, čia būtinos tiek kalbinių technologijų mokslininkų, besispecializuojančių garso signalo kompresijos algoritmų tyrime, tiek informatikų, tyrinėjančių kriptografijos metodus, bendros pastangos.

 

 

Literatūra

 

1.      B. H. Juang. The Past Present and Future of Speech Processing. IEEE Signal Processing magazine, vol.15, p.p. 24-46. May 1998.

2.      H.Hollien, The Acoustics of Crime. The New Science of Forensic Phonetics. Plenum Press. New York. 1990.

3.      C.Delgado – Romero, Speaker identification survey. ENFSI Working Group for Forensic Speech. Audio Analysis 2 nd Meeting. Madrid, 17- 18 June 1999, Spain. p. 1- 5.

4.      H. J. Künzel, Current Approaches to Forensic Speaker Recognition, Proc. ESCA Workshop on automatic speaker recognition identification, Martigny, Switzerland, April 5-7, 1994, pp. 135-141.

5.      A.P.P. Broeders, Forensic Speech and audio analysis. 1998 to 2001 A Review. Proceedings of the 13 th INTERPOL Forensic Science Symposium, Lyon, France, 16-19 October 2001, p.1-26.

6.      On the Theory and Practice of Voice Identification, National Academy of Sciences, monographs 1979.

7.      Voice Comparison Standards of the VIAAS of the IAI, vol. 41  Journal Forensic Identification (September/October   1991).

8.      B. E. Koenig. Spectrographic voice identification: A forensic survey. J. Acoust. Soc. Am. 79(6), June 1986 pp. 2088-2090.

9.      H.J.Kunzel, Sprechererkennung. Kriminalistik Verlag. Heidelberg 1987.

10.  A.Braun, H. J. Künzel. Is forensic speaker identification unethical – or can it be unethical not to do it. Forensic Linguistics. Vol.5, No.1, 1998, p. 10-21.

11.  N.F.Popov et. al. DIALECT Manual for experts. Military unit No. 34435, Moscow, 1996 p. 1 – 102.

12.  M.Falcone, N. De Sario, APC Speaker Identification System for Forensic Use: IDEM, Proc. ESCA Workshop on automatic speaker recognition identification, verification, MARTIGNY, Switzerland, April 5 – 7, 1994, p. 169 – 172.

13.  B.Šalna, Criminalystic person identification by voice system, Problems of forensic sciences. Procceedings of Forensic Sciences Krakow Institute of Forensic Sciences 2001, p. 223 – 229.

14.  J.Gonzalez – Rodriguez, J.Ortega – Garcia, J.L.Lucena – Molina, On the Application of the Bayesian Framework to Real Forensic Conditions with GMM – based systems. ESCA Workshop on automatic speaker recognition, verification. A Speaker Odyssey, Crete, Greece, 2001, p. 135 – 138.

15.  D.Meuwly, A.Drygailo. Forensic Speaker Recognition Based on a Bayesian Framework and Gaussian Mixture Modelling (GMM). ESCA Workshop on automatic speaker recognition, verification. A Speaker Odyssey, Crete, Greece, 2001, p. 145 – 150.

16.  L.Boves, J.Koolwaaij. On Decision Making in Forensic Casework. Forensic Linguistics. Vol.6. No. 2.,  1999 p. 228 – 241.

17.  C.Champod, D.Meuwly. The inference of identity in Forensic speaker recognition. Proceedings of RLA2C Workshop on Speaker Recognition and its Commercial and Forensic Applications, Avigon, 20 – 23 April 1998, France, p. 125 – 134.

18.  L.Boves. Commercial Applications of Speaker Verification: Overview and Critical Succes Factors. Proceedings of RLA2C Workshop on Speaker Recognition and its Commercial and Forensic Applications, Avigon, 20 – 23 April 1998, France, p. 150 – 159.

19.  F.Bimbot et. al. An Overview of the PICASSO Project research activities in speaker verification for telephone applications. Proceedings of COST250 Workshop on Speaker Recognition in Telephony, Rome, Italy, November 10 – 12, p. 21 – 32.

20.  B.Nedic, H.Bourlard. Recent Developments in Speaker Verifications at IDIAP, IDIAP Research Report, Martigny, Switzerland, 2000, p. 1 – 23.

21.  Biometric Technology Today. January 2001. www. comseconline. Com

22.  H. Nakasone, S.D. Beck. Forensic Automatic Speaker Recognition. ESCA Workshop on automatic speaker recognition, verification. A Speaker Odyssey, Crete, Greece, 2001. Pp. 139-144.

23.  Digital Audio Corporation. SURF Manuel. Automatic selection of reference TV, Radio Channel for 2 CH Adaptive Filtering. DAC Newsletter. Vol. 8. No. 3. July 2001.

24.  Digital Audio Corporation. Products Review. www. dacaudio. com

25.  Speech Interactive System (SIS). System for editing, analysis and noise reduction of speech signals. Users guide. Speech Technology Center, st. – Petersburg 2000, p. 1 – 125.

26.  SOUNDCLEANER PRO. Universal Noise Cancellation Software. Users Guide. Speech Technology Center, st. – Petersburg 2001, p. 1 – 56.

27.  Yuchang Cao, S.Sridharen, M.Moody. Multichannel Speech Separation by Eigendecomposition and its Aplication to Co – Talker Interference Removal. IEEE Transections on Speech and Audio Processing, May 1997, vol. 5. No. 3. p. 209 – 220.

 

 

5.2 Balso technologijų kriminalistikoje naudojimas ir vystymas Lietuvoje

 

Lietuvoje balso technologijos kriminalistikoje daugiausia naudojamos Lietuvos teismo ekspertizės centro fonoskopinių ekspertizių grupėje. Šios grupės veikla, turimas potencialas detaliai nušviesti skyrelyje, skirtame Lietuvos mokslinių institucijų, dirbančių balso technologijų srityje, pristatymui. Toliau pateikiami kalbos technologijų vystymo kriminalistikoje pasiūlymai suformuluoti pagal LTEC Fonoskopinių ekspertizių

Skyrelyje, kuriame pristatomos kai kurios balso technologijas panaudojančios technologijos, detaliai aprašyta ilgų pokalbių apdorojimo priemonių demonstracija. Šios demonstracijos paskirtis – parodyti kai kurias balso technologijų taikymo kriminalistikoje ypatybes. Demonstracija parodo kaip galima apdoroti gana ilgą kelių asmenų pokalbio įrašą, padarytą realios aplinkos sąlygomis: sužymėti skirtingų asmenų šnekos ribas, normalizuoti signalo įrašo lygį bei atskirų kalbėtojų šnekos garsumo lygį, panaudoti kai kuriuos kalbos signalų apdorojimo elementus (filtravimą, spektrinių iškraipymų pašalinimą (spectral preemphasis)).

            Kalbant apie balso technologijų kriminalistikoje vystymo perspektyvas, reikia pabrėžti, kad šiuo metu Lietuvoje yra sprendžiami tik su teismine garso įrašų ekspertize susiję klausimai, užtikrinant tam tikrą tiek mokslinį, tiek ekspertinį lygį. Tačiau ir čia yra visa eilė problemų, kurių sprendimui reikalingas bendras kalbines technologijas kuriančių mokslininkų ir fonoskopijos ekspertų darbas. Kadangi LTEC Fonoskopijos skyriuje susidarė daugiau nei pusės metų eilė ekspertizių atlikimui, naujų kalbinių technologijų įdiegimas, kurios paspartintų ekspertizių atlikimą bei leistų spręsti naujus fonoskopijos klausimus, yra pirmaeilis ir neatidėliotinas uždavinys.

            Kitose teisėsaugos tarnybose, kurios naudoja garso ir vaizdo įrašymo aparatūrą ir kalbines technologijas, skirtas triukšmo slopinimui ir nusikaltimų fiksavimui, padėtis šiuo metu yra nepatenkinama. Dažnai atskiros žinybos perka brangią aparatūrą, kuria padarytų garso įrašų netenkina fonoskopinės ekspertizės keliamų reikalavimų. Pvz.: buvo nupirkti RACAL tipo skaitmeniniai magnetofonai, kurie yra jau moraliai pasenę. Šiuo metu nėra vieningo centro, kuris koordinuotų visų institucijų naujos technikos pirkimą. To pasekmė – išleidžiamos didelės pinigų sumos, o teigiamo efekto nėra. Todėl būtų tikslinga, kad kalbinių technologijų specialistai, teisėsaugos institucijų užsakymu, paruoštų reikalavimus įsigyjamai vaizdo ir garso aparatūrai, įvertinant problemas, kurios atsiranda, kai šie įrašai pateikiami ekspertiniam tyrimui. Čia turi būti atsižvelgta į tendencijas kalbinių technologijų srityje ir ypač skaitmeninių garso įrašų panaudojimą. Parengti atitinkamas rekomendacijas bei technologijas šių įrašų panaudojimui teisme. Tai -kompleksinis uždavinys, nes pavieniui jo išspręsti negali nei kalbinių technologijų specialistai, nei teisėsaugos atstovai.

            Šiuo metu gana aktualia problema tampa garso įrašų, tiek tų, kuriuose yra užfiksuotas nusikaltimas, tiek taip vadinamų lyginamųjų, centralizuotas tvarkymas, t.y. Kriminalistinės fonotekos arba atitinkamos balsų bazės sukūrimas. Šiuo metu garso įrašus daro ir juos atitinkamai tvarko kiekviena žinyba pagal savo vidinius reglamentus. Todėl nereta situacija, kai, pavyzdžiui, fonoskopinei ekspertizei reikalingas asmens, įtariamo padarius nusikaltimą, balso įrašas, o galimybės padaryti tokį įrašą nėra. Gali būti, kad gretimame policijos komisariate turi šio asmens balso pavyzdį, tačiau apie tai žino tik tas darbuotojas, kuris turi reikalingą įrašą. Problematiška taip pat padaryti balso pavyzdžių garso įrašus jei jie yra sulaikymo vietose. Tokiu atveju nusikaltėlis iš sulaikymo vietos siunčiamas pas tardytoją. Pati siuntimo procedūra yra gana brangi ir sudėtinga ( reikalinga sargyba, specialus transportas ir t.t.). Tokiu būdu švaistomos lėšos, o apie operatyvumą negali būti nė kalbos.

            Daug sunkumų sukelia tai, kad nusikaltimų fiksavimui taikoma labai įvairi garso įrašymo – atkūrimo aparatūra, skirtingų formatų garso įrašai pateikiami pačiose įvairiausiose laikmenose: nuo analoginių garso įrašų magnetinėse juostose iki skaitmeninių kompiuteriniuose diskeliuose. Dėl tokios informacijos laikmenų ir formatų įvairovės operatyvus pasikeitimas  šiais garso įrašais tarp atskirų teisėsaugos žinybų neįmanomas. Kartais net paprastas jų perklausymas tampa problema, nes daugelis žinybų neturi reikiamos įrangos.

            Čia minėtas problemas išspręstų automatizuotos garso įrašų duomenų bazės, skirtos garso įrašų saugojimui, greitam reikiamo garso įrašo suradimui pagal tam tikrus požymius bei automatizuotai asmens paieškai pagal balsą, sukūrimas.

            Šiuo metu teisėsaugos institucijų reikmėms kuriama integruota balso ir duomenų sistema. Vienas iš uždavinių, kuriant šia sistemą, yra užtikrinti joje esančių duomenų saugumą bei autorizuoti šia sistema besinaudosiančius asmenis. Todėl kitas projekto tikslas  - asmens identifikavimo (verifikavimo) pagal balsą sistemos arba “balso rakto” prototipo sukūrimas. Pagrindiniai vystymo darbų etapai šioje balso technologijų panaudojimo kriminalistikoje srityje turėtų būti tokie:

1.      Garso įrašų bazės struktūros sudarymas;

2.      Garso įrašų iš bazės pagal atitinkamus požymius išrinkimo algoritmų sukūrimas;

3.      Asmens identifikavimo ir verifikavimo metodų bei sistemų apžvalga ir analizė;

4.      Asmens identifikavimo/verifikavimo pagal balsą fonetinių požymių sistemos sukūrimas;

5.      Asmens identifikavimo pagal balsą požymių atsparumo triukšmams bei kitiems faktoriams tyrimas;

6.      Garso įrašų bazės prototipo sukūrimas ir jos darbo efektyvumo tyrimas;

7.      Asmens atpažinimo pagal raktines frazes algoritmų efektyvumo tyrimas;

8.      Fonetinių požymių sistemos, skirtos asmens identifikavimui pagal balsą, efektyvumo tyrimas naudojant balsų bazes;

9.      Sprendimo priėmimo algoritmų sudarymas ir tyrimas;

10.  Akustinės aplinkos faktorių bei balso imitavimo įtakos identifikavimo tikslumui tyrimas;

11.  Asmens identifikavimo pagal balsą sistemos prototipo programinės įrangos sukūrimas;

12.  Sistemos prototipo darbo realiomis sąlygomis tyrimas ir galutinės struktūros bei programinės įrangos sukūrimas.

Mūsų manymu, siūlomą projektą galima bus sėkmingai įgyvendinti, jei bus panaudota LTEC FES specialistų, kurie turi tiek praktinę, tiek mokslinę teisminio asmens identifikavimo pagal balsą patirtį, bei kalbinių technologijų srityje dirbančių mokslininkų žinios. Reikia pastebėti, kad tokio projekto įgyvendinimas duotų didelę ekonominę naudą, taip pat suteiktų galimybę kriminalistams-operatyvininkams iš tikro operatyviai vykdyti paiešką, keistis informacija ir t.t.

Čia pasiūlytas tik vienas šiuo metu labiausiai aktualios asmens pagal balsą tapatybės nustatymo kalbinių technologijų taikymo teisėsaugoje problemos spendimo variantas. Savaime suprantama, kad egzistuoja ir daugiau šių technologijų taikymo teisėsaugoje variantų.

      Šiuo metu kalbinių technologijų taikymas, tame tarpe ir asmens tapatybės nustatymo pagal balsą, turi dideles perspektyvas karinėje srityje. Ypatingai svarbiu laikoma informacijos ir bendrai saugumo užtikrinimas panaudojant biometrines technologijas. Kadangi šiuo metu jau egzistuoja tam tikra ryšių infrastruktūra, tai asmens tapatybės nustatymo pagal balsą technologijos (žmogaus balsas yra viena iš jo biometrinių charakteristikų) turi gana didelius pranašumus lyginant su visomis kitomis biometrinėmis technologijomis. Naudojant verifikavimą pagal balsą taip vadinamas lygių klaidų procentas EER=1,2¸1,7%, kai tuo tarpu, jei naudojamas verifikavimui tik vieno piršto antspaudas (Fingerprint), EER=8,8% [2]. Tokiu būdu balsas leidžia pakankamai patikimai identifikuoti asmenį, nepanaudojant sudėtingų techninių įrengimų: balso neįmanoma pavogti, perduoti ir t.t. Taip pat kaip teigia JAV karinės informacijos apsaugos specialistai (JAV Karo akademijos ir Nacionalinės gynybos agentūros 2001 metais organizuota konferencija, skirta informacijos apsaugai ir patikimumui bei bendram saugumui) tik panaudojant biometrinius identifikavimo metodus galima užtikrinti atitinkamą informacijos saugumą bei nustatyti asmens tapatybę [2]. Tuo pačiu šie metodai rekomenduojami ir kitose srityse, kur reikalingas didelio laipsnio saugumas, kaip pvz. praėjimas į skrydžių valdymo patalpą, patekimas į ginklų valdymo centrą, atomines elektrines, chemines bei padidinto pavojaus įmones ir kita.  Savaime suprantama, kad ne biometriniai asmens tapatybės nustatymo metodai (įvairūs slaptažodžiai, čypinės, magnetinės kortelės ir kita) negali užtikrinti reikiamo informacijos saugumo. Taip pat sutinkamai su [1], reikia pastebėti, kad karinė sritis yra suinteresuota visu kalbinių technologijų spektru: pradedant automatiniu kalbos komandų atpažinimu ir baigiant įvairiais treniruokliais [1]. Mūsų manymu, kalbinių technologijų mokslininkai galėtų atlikti visą eilę projektų, skirtų Lietuvos krašto apsaugos reikmėms, įvertinant poreikius ir šalies specifiką. Kadangi šiuo metu aktualiausia problema -  informacijos saugumas bei saugumas bendrai, tai mes siūlome kalbinių technologijų panaudojimo informacijos apsaugai projektą:

Informacijos apsauga, panaudojant asmens bei komandų atpažinimą pagal balsą. Projekto tikslas - ištirti ir sukurti identifikacinių požymių sistemą, skirta automatinės asmens identifikavimo pagal balsą (balso rakto) sistemos prototipo sukūrimui bei konkrečiai realizacijai. Sukurta identifikacinių požymių sistema sudarytų pagrindą asmens automatinio atpažinimo pagal balsą panaudojimui informacijos apsaugai. Kitas projekto tikslas būtų sukūrimas integruotos balso ir duomenų sistemos, užtikrinančios joje esančių duomenų saugumą, panaudojant asmens identifikavimą pagal balsą bei kriptografinius metodus.

 

Literatūra

 

1) NATO Proceedings. Technical Report AC/243, TR21. Potentials of Speech and Language Technology systems for Military use. Research Study Group 10 on Speech Processing, 2001, p.1-43.

2) D.Welch, J.Chumacher. Policies to Enhance Computer and Network Forensic. Proceedings of the 2001 IEEE Workshop on Information Assurance and Security. United States Military Academy, West Point, NY, 5-6 June, 2001, p.289-295.