在人工智能不断发展的今天,人们越来越重视生物认证的安全问题,怎样在维护用户的隐私同时准确迅速的鉴别出一个人的身份,已经成为一个亟需解决的问题。早期使用数字密码和动态指令容易出现泄露与遗忘的隐患,而说话人识别认证能克服遗忘、无法携带、使用麻烦等问题。说话人识别在国家安全、司法、银行保险远程认证、安防门禁等领域均得到了普遍的使用。但说话人识别系统会遇到各种攻击问题,例如使用人工智能转换合成的语音、利用录制回放语音来攻击特定的说话人识别系统,这使说话人识别系统在普及应用上面临着巨大的挑战。因此,研究具有攻击检测功能的说话人识别系统是十分有必要的。本文是在ASVspoof 2017与ASVspoof 2019挑战赛的基础上,结合国内国外的研究现状和实际的需求,对说话人识别认证系统的算法上进行研究。采用经典高斯混合-通用背景模型和基于深度神经网络的说话人识别系统框架上,结合了语音攻击检测系统,得到了一个能检测出语音攻击的说话人识别认证系统。针对语音检测系统鲁棒性问题对语音特征进行了深入的研究。以下为论文的主要内容:（1）对声学特征进行提取分析。在本文中分析了真实语音与攻击语音之间的区别,分别提取并分析语音的梅尔倒谱系数、常数Q的倒谱系数、线性频率倒谱系数特征、融合特征。同时对语音信号的预处理操作对语音进行信号规整,来实现增强声学特征。（2）创建基于传统识别模型的语音攻击检测系统。研究经典的分类模型算法,通过建立高斯混合模型来对语音进行分类,对模型进行自适应算法优化和采用最大期望算法迭代来确定参数。最后进行对比实验分析。（3）构建基于残差网络的说话人识别的语音攻击检测系统。对语音进行傅里叶变换等处理得到的语谱图,并扩展或裁剪得到统一的特征。语谱图与传统单一声学特征进行对比分析,并比较了基线与三种不同特征提取算法的Res Net模型性能,其中Spec-Res Net与CQCC-Res Net模型比基线模型的等错误率误差（Equal Error Rate,EER）和串联检测代价函数（Tandem Detection Cost Function,t-DCF）有着明显的降低。（4）建立端到端的高分辨率互补聚合谱图的语音欺骗检测系统,将相位谱图作为幅值谱图补充信息,并把概率密度三者结合成具有高分辨率的互补图谱特征,改进残差神经网络得到端到端网络结构,通过门控循环单元将帧级语音特征汇构成语级特征。对比分析幅度谱、相位谱、概率密度谱及互补谱的性能。在ASVspoof 2019物理访问上最优的语音攻击检测系统的EER与t-DCF分别为1.75%和0.0491,比Spec-Res Net攻击检测系统的EER与t-DCF分别降低了72%和50%,并基于该结构的单一特征也明显优于基线模型。