语音信息处理方法、装置、服务器及存储介质
技术领域
本申请涉及信息安全技术领域，尤其涉及一种语音信息处理方法、装置、服务器及存储介质。
背景技术
随着通信技术的迅速发展，用户需要办理相关通信业务时，利用终端拨打智能服务的电话，便可在线上进行办理，无需到营业厅，提高了用户的体验。
现有技术中，用户通过终端办理业务的过程中，需要基于提示输入相关的服务密码以验证用户身份，并且在身份验证通过时，便可以执行业务查询和业务办理。
然而，实际应用中，本机用户的服务密码可能存在泄露的情况，若非本机用户利用获知的该服务密码查询本机用户的相关业务信息，但是该智能服务系统却无法分辨业务办理的发起用户，存在用户信息泄露的风险。
发明内容
本申请实施例提供一种语音信息处理方法、装置、服务器及存储介质，用以解决用户信息可能存在泄露风险的问题。
第一方面，本申请实施例提供一种语音信息处理方法，包括：
获取来电用户的语音信息，所述语音信息携带待操作的目标账号；
基于所述语音信息，提取所述来电用户的声纹特征信息；
将所述来电用户的声纹特征信息和声纹库中存储的所述目标账号对应的用户声纹信息进行对比，确定所述来电用户是否为所述目标账号对应的用户；
在确定所述来电用户不是所述目标账号对应的用户时，向所述目标账号对应的用户推送异常操作提示信息。
在第一方面的一种可能设计中，在所述在确定所述来电用户不是所述目标账号对应的用户时，向所述目标账号对应的用户推送异常操作提示信息，包括：
若确定所述来电用户不是所述目标账号对应的用户，则生成异常操作日志，所述异常操作日志用于标识所述目标账号对应的服务密码存在被泄露风险；
基于所述异常操作日志，确定所述目标账号被异常操作的次数；
在所述目标账号被异常操作的次数大于或等于第一预设阈值时，向所述目标账号对应的用户推送异常操作提示信息。
作为一种示例，所述根据在所述向所述目标账号对应的用户推送异常操作提示信息之后，所述方法还包括：
清空所述目标账号的异常操作日志，并将所述目标账号的被异常操作的次数更新为0。
作为另一种示例，所述方法还包括：
在所述目标账号被异常操作的次数大于或等于第二预设阈值时，禁止通过语音方式操作所述目标账号，所述第二预设阈值大于所述第一预设阈值。
可选的，在所述基于所述异常操作日志，确定所述目标账号被异常操作的次数之后，所述方法还包括：
在所述目标账号被异常操作的次数小于第二预设阈值时，执行所述语音信息所请求的操作。
在第一方面另一种可能的设计中，在所述基于所述语音信息，提取所述来电用户的声纹特征信息之前，还包括：
获取所述来电用户提供的服务密码；
基于所述服务密码，确定所述来电用户的身份验证通过。
在第一方面再一种可能的设计中，在所述将所述来电用户的声纹特征信息和声纹库中存储的所述目标账号对应的用户声纹信息进行对比，确定所述来电用户是否为所述目标账号对应的用户之前，所述方法还包括：
获取语音数据样本集，所述语音数据样本集包括：至少一条语音数据样本；
利用预设的神经网络模型对所述语音数据样本集中的每条语音数据样本进行分帧处理和采样处理，得到每条语音数据样本对应的声纹特征信息；
将每条语音数据样本对应的声纹特征信息和对应的账号进行关联，并将得到的每个关联关系存储至所述声纹库中。
在第一方面的又一种可能的设计中，所述方法还包括：
确定所述目标账号对应用户基于所述异常操作提示信息执行的操作；
基于所述目标账号对应用户基于所述异常操作提示信息修改，确定是否更新所述声纹库。
第二方面，本申请实施例提供一种语音信息处理装置，包括：获取模块、处理模块和发送模块；
所述获取模块，用于获取来电用户的语音信息，所述语音信息携带待操作的目标账号；
所述处理模块，用于：基于所述语音信息，提取所述来电用户的声纹特征信息，并将所述来电用户的声纹特征信息和声纹库中存储的所述目标账号对应的用户声纹信息进行对比，确定所述来电用户是否为所述目标账号对应的用户；
所述发送模块，用于在所述处理模块确定所述来电用户不是所述目标账号对应的用户时，向所述目标账号对应的用户推送异常操作提示信息。
在第二方面的一种可能设计中，所述处理模块，还用于在确定所述来电用户不是所述目标账号对应的用户时，生成异常操作日志，所述异常操作日志用于标识所述目标账号对应的服务密码存在被泄露风险，并基于所述异常操作日志，确定所述目标账号被异常操作的次数；
所述发送模块，具体用于在所述目标账号被异常操作的次数大于或等于第一预设阈值时，向所述目标账号对应的用户推送异常操作提示信息。
作为一种示例，所述处理模块，还用于在所述发送模块向所述目标账号对应的用户推送异常操作提示信息之后，清空所述目标账号的异常操作日志，并将所述目标账号的被异常操作的次数更新为0。
作为另一种示例，所述处理模块，还用于在所述目标账号被异常操作的次数大于或等于第二预设阈值时，禁止通过语音方式操作所述目标账号，所述第二预设阈值大于所述第一预设阈值。
可选的，所述处理模块，还用于在基于所述异常操作日志，确定所述目标账号被异常操作的次数之后，在所述目标账号被异常操作的次数小于第二预设阈值时，执行所述语音信息所请求的操作。
在第二方面另一种可能的设计中，所述获取模块，还用于在所述处理模块基于所述语音信息，提取所述来电用户的声纹特征信息之前，获取所述来电用户提供的服务密码；
所述处理模块，还用于基于所述服务密码，确定所述来电用户的身份验证通过。
在第二方面再一种可能的设计中，所述获取模块，还用于在所述处理模块将所述来电用户的声纹特征信息和声纹库中存储的所述目标账号对应的用户声纹信息进行对比，确定所述来电用户是否为所述目标账号对应的用户之前，获取语音数据样本集，所述语音数据样本集包括：至少一条语音数据样本；
所述处理模块，还用于利用预设的神经网络模型对所述语音数据样本集中的每条语音数据样本进行分帧处理和采样处理，得到每条语音数据样本对应的声纹特征信息，将每条语音数据样本对应的声纹特征信息和对应的账号进行关联，并将得到的每个关联关系存储至所述声纹库中。
在第二方面的又一种可能的设计，所述处理模块，还用于：
确定所述目标账号对应用户基于所述异常操作提示信息执行的操作；
基于所述目标账号对应用户基于所述异常操作提示信息修改，确定是否更新所述声纹库。
第三方面，本申请实施例还提供一种服务器，包括处理器、存储器及存储在所述存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述第一方面以及各可能设计所述的方法。
第四方面，本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机指令，当所述计算机指令在计算机上运行时，使得计算机执行第一方面以及各可能设计所述的方法。
本申请提供了一种语音信息处理方法、装置、服务器及存储介质，通过获取来电用户的声纹特征信息，与声纹库中预先存储的目标账号的声纹特征信息对比，确定该来电用户是否为目标账号对应的用户，若确定该来电用户不是目标账号对应的用户时，则向目标账号对应的用户推送异常操作提示信息。该技术方案根据来电用户声纹特征信息和声纹库，能够准确的判断目标账号是否存在泄露风险，在确定来电用户不是目标账号对应的用户时向目标账号对应的用户推送异常操作信息，能够及时提醒用户，即实现了对账号泄露风险的及时预警，保证了用户信安全，提高了用户感知。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，符合本申请公开的实施例，并与说明书一起用于解释本申请公开的原理。
图1为本申请实施例提供的语音信息处理方法的应用场景示意图；
图2为本申请提供的语音信息处理方法实施例一的流程图；
图3为本申请提供的语音信息处理方法实施例二的流程图；
图4为本申请提供的语音信息处理方法实施例三的流程图；
图5为本申请提供的语音信息处理方法实施例四的流程图；
图6为本申请提供的语音信息处理方法实施例五的流程图；
图7为本申请提供的语音信息处理实施例的结构示意图；
图8为本申请实施例提供用于实现语音信息处理方法的服务器的结构示意图。
通过上述附图，已示出本申请公开明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请公开构思的范围，而是通过参考特定实施例为本领域技术人员说明本申请公开的概念。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
首先对本申请实施例涉及的名词进行解释：
声纹(Voiceprint)，是用电声学仪器显示的携带言语信息的声波频谱，由于每个人的发音器官都不尽相同。
声纹特征信息是“个性化”的特征，能够区别不同人的声音，进而基于两个声纹特征信息判断其是否来自同一个人。
在介绍本申请的实施例之前，首先对本申请的背景进行解释如下：
随着通信技术的迅速发展，终端用户需要办理运营商业务时，无需前往营业厅进行办理，只需要利用终端拨打运营商智能客服系统的服务电话，便可在线上进行办理，提高了用户的体验。
在现有技术中，用户通过终端办理业务的过程中，主要基于语音提示输入目标账号的服务密码以验证用户身份，并且在身份验证通过时，便可以执行业务查询和业务办理。然而，在实际应用中，目标账号的服务密码可能存在泄露的情况，若非法人员利用获知的服务密码查询目标账号的相关业务信息，可能存在用户业务信息泄露的风险，以及账号的业务未经账号本人授权而被操作的问题。
针对上述问题，本申请提供了一种语音信息处理方法，通过获取来电用户的语音信息，语音信息携带待操作的目标账号，基于该语音信息，提取来电用户的声纹特征信息，将来电用户的声纹特征信息和声纹库中存储的目标账号对应的用户声纹信息进行对比，确定来电用户是否为所述目标账号对应的用户，并在来电用户不是目标账号对应的用户时，向目标账号对应的用户推送异常操作提示信息。该技术方案，在来电用户不是目标账号对应的用户时，可以及时向用户推送异常操作提示信息，以便用户及时做出相应的处理，降低了用户信息泄露的风险，在一定程度上保证了用户信息安全。
本申请技术方案的技术构思是：在用户通过智能客服系统查询信息办理业务的场景下，用户信息安全性低的原因是运营商智能客服系统无法分辨业务办理的发起用户，只要来电用户输入的服务密码正确，智能客服系统便可执行相应操作，若来电用户非请求账号的用户，则存在账号的业务信息被查询，而账号用户并不知情的情况，存在用户信息泄露的风险。
本申请实施例中，针对实际业务场景，发明人发现，通过预先获取各个账号的声纹特征信息与对应账号的关系，生成声纹库，在来电用户输入的服务密码验证通过后，还可以基于来电用户的语音信息，提取该语音信息对应的用户声纹特征信息，进而将其与声纹库中对应账号的声纹特征信息对比，若两者不一致，则可以向用户推送异常操作信息，以及时提醒账号对应的用户。即通过服务密码和声纹特征信息双重验证提高了用户账号的安全性。
此外，在来电用户的声纹信息与声纹库中对应账号的声纹特征信息不一致时，还可以生成异常操作信息(也可称为疑似泄露日志)，并确定该账号被异常操作的次数。
在介绍本申请的技术方案之前，首先介绍一下本申请实施例的应用场景。
示例性的，图1为本申请实施例提供的语音信息处理方法的应用场景示意图。参照图1所示，该应用场景可以包括用户终端11、服务器12、用户13。
可选的，当用户13有业务办理的需求时，可以通过多种方式操作用户终端11向服务器12发送业务操作请求，例如，通过拨打服务电话，操作用户终端上安装的客户端等。本申请的实施例中以通过拨打服务电话的语音方式进行说明。
在用户通过拨打电话等语音方式请求操作目标账号时，服务器可以获取到来电用户的语音信息，并对该语音信息进行处理，确定出需要操作的目标账号，并请求来电用户提供目标账号的服务密码，服务器基于该服务密码对来电用户的身份进行验证，验证通过后，服务器对来电用户的语音信息进行处理，得到该来电用户的声纹特征信息，并与声纹库中该目标账号对应的声纹特征信息进行对比，根据对比结果判断该目标账号的服务密码是否存在泄漏的风险。
本申请实施例中，声纹库中存储有至少一条带有账号标识的声纹特征信息，在实际应用中，服务器可以根据获取到的多个用户的语音信息对声纹库中某些账号的存储声纹特征信息进行更新。
可选的，在服务器确定目标账号的服务密码存在泄露的风险时，服务器可以生成账号异常操作记录，并向目标账号的用户所使用的终端发送预警信息，或者，在该账号异常操作记录的次数达到设定的第一预设阈值，服务器向目标账号的用户所使用的终端发送预警信息。
作为一种示例，服务器在发送预警信息后，还可以清除上述账号异常操作记录，在后续确定目标账号的服务密码有泄露风险时，重新生成的账号异常操作记录。
作为另一种示例，服务器在发送预警信息后，且确定该账号异常操作记录的次数达到设定的第二预设阈值时，服务器将关闭该目标账号的线上语音操作目标账号的功能，直到该目标账号的服务密码被泄露的风险接触，在本实施例中，第二预设阈值大于第一预设阈值。
可以理解的是，本申请实施例并不限定服务器推送预警信息的具体实现方案，其可以根据实际需求确定，此处不再赘述。
下面，通过具体实施例对本申请的技术方案进行详细说明。需要说明的是，下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。
图2为本申请提供的语音信息处理方法实施例一的流程图。如图2所示，该方法可以包括如下步骤：
S201、获取来电用户的语音信息。
其中，该语音信息携带待操作的目标账号。
示例性的，当用户有业务办理的需求时，通过用户终端发出拨打服务电话，该服务器获取来电用户的语音信息。
可选的，为了确定该来电用户想要操作的账号，该语音信息中会携带待操作的目标账号，因而，服务器通过对语音信息进行处理，可以得到待操作的目标账号。
S202、基于上述语音信息，提取该来电用户的声纹特征信息。
在本申请实施例中，服务器获取到来电用户的语音信息后，可以对于语音信息进行处理，例如，利用预先训练好的声纹提取模型对来电用户语音信息进行分帧和采样处理，得到来电用户声纹特征信息。
可选的，该声纹提取模型是利用用户历史语音信息对卷积神经网络(Convolutional Neural Networks，CNN)模型进行训练得到的。可选的，CNN是一类包含卷积计算且具有深度结构的前馈神经网络模型，通过预先对该模型进行训练，得到声纹提取模型，进而利用声纹提取模型对获取到的语音信息进行分帧和采样处理，可以得到该语音信息对应的声纹特征信息，提高了提取的用户声纹特征信息的准确度。
S203、将来电用户的声纹特征信息与声纹库中目标账号对应的用户声纹信息进行对比，确定该来电用户是否为目标账号对应的用户。
其中，该声纹库中存储有至少一条带有账号标识的声纹特征信息。
示例性的，服务器在获取到来电用户的声纹特征信息后，将其与声纹库中目标账号的用户声纹信息进行对比，得到对比结果。若该对比结果表示来电用户的声纹特征信息与目标账号的用户声纹信息不一致时，则确定来电用户不是目标账号对应的用户。
可选的，声纹库中的声纹特征信息是预先提取并存储的，由服务器预先收录各个账号对应的用户语音文件，然后利用预先训练好的声纹提取模型对每个用户语音文件进行分帧和采样处理，得到每个账号对应用户的声纹特征信息。
S204、在确定该来电用户不是目标账号对应的用户时，向该目标账号对应的用户推送异常操作提示信息。
示例性的，服务器得到上述对比结果后，若确定该目标账号的声纹特征信息与来电用户的声纹特征信息不一致，则认为来电用户不是目标账号对应的用户，故向目标账号对应的用户推送异常操作信息。
可选的，服务器向目标账号对应用户推送异常消息的方式，可以有：由服务器直接向目标账号推送消息提醒；由服务器向目标账号拨打语音电话等，此处只做举例，并不对推送异常操作提示消息方式的限定。
本申请实施例提供的语音信息处理方法，通过获取来电用户语音的声纹特征信息，提取声纹库中预存的来电用户所要操作目标账号的声纹特征信息，将该来电用户的声纹特征信息和声纹库中存储的目标账号对应的用户声纹信息进行对比，确定来电用户是否为目标账号对应的用户，当确定来电用户不是目标账号对应的用户时，向目标账号对应的用户推送异常操作提示信息。该技术方案中，在来电用户与目标账号的用户不一致是，通过推送异常操作信息，以使用户及时发现，并作出相应的处理，在一定程度上保证了用户信息安全。
在上述实施例的基础上，图3为本申请提供的语音信息处理方法实施例二的流程图，如图3所示，上述S204可以通过如下步骤实现：
S301、若确定来电用户不是目标账号对应的用户，则生成异常操作日志。
其中，该异常操作日志用于标识该目标账号对应的服务密码存在被泄露风险。
示例性的，当来电用户不是目标账号对应的用户时，服务器基于上述对比结果生成该目标账号对应的异常操作日志，并存放于服务器中，该异常操作日志同于记录目标账号对应的用户与来电用户不一致的信息，其可能是由于提供的服务密码正确，但并非目标账号对应用户提供的情况，因而可以用于标识目标账号对应的服务密码存在被泄露的风险。
可选的，该异常操作日志与目标账号绑定在一起。
S302、基于上述异常操作日志，确定目标账号被异操作的次数。
示例性的，由于目标账号与异常操作日志相互绑定，因而可以，基于异常操作日志确定该目标账号被异常操作的次数，随着生成的异常操作日志增加，目标账号被异常操作的次数也相应增加。
S303、在目标账号被异常操作的次数大于或等于第一预设阈值时，向目标账号对应的用户推送异常操作提示信息。
示例性的，若第一预设阈值为3，当所述目标账号绑定的异常操作的次数大于3或者等于3时，服务器向目标账号对应的用户推送异常操作信息，以对用户进行提示。
可选的，该第一预设阈值的设定方式可以包括：目标账号对应用户预先设定的次数；服务器根据目标用户的日常生活规律得出的次数等，此处不对第一预设阈值的设定方式进行限定。
本申请实施例提供的语音信息处理方法，通过将目标账号被异常操作的次数与第一预设阈值进行对比，在目标账号被异常操作的次数大于或等于第一预设阈值时，向目标账号对应的用户推送异常操作提示信息，以提醒目标账号对应的用户该目标账号存在服务密码泄露风险，以便用户及时作出相应的处理，以保证目标账号的信息安全。
在本申请实施例的一种可能设计中，该方法还可以包括如下步骤：
清空目标账号的异常操作日志，并将该目标账号的被异常操作的次数更新为0。
示例性的，当目标账号绑定的异常操作的次数大于或等于第一预设阈值时，例如，大于3或者等于3时，服务器在向目标账号对应的用户推送异常操作信息后，还清除目标账号绑定的异常操作日志以及对应的异常操作的次数，即将该目标账号的异常操作的次数设置为0.
在本申请实施例的一种可能设计中，该方法还可以包括如下步骤：
在目标账号被异常操作的次数大于或等于第二预设阈值时，禁止通过语音方式操作该目标账号，第二预设阈值大于所述第一预设阈值。
示例性的，第二预设阈值为5，则当目标账号绑定的异常操作的次数大于5或者等于5时，服务器禁止通过语音的方式操作该目标账号，并向目标账号对应的用户推送关于语音方式操作业务被禁止的信息，以避免目标账号对应的用户由于错过异常操作信息导致目标账号被异常操作的问题。
可选的，在本申请的该可能设计中，基于异常操作日志，确定目标账号被异常操作的次数之后，该方法还可以包括如下步骤：
在目标账号被异常操作的次数小于第二预设阈值时，执行语音信息所请求的操作。
示例性的，当目标账号被异常操作的次数小于5时，服务器仍根据来电用户的指示对目标账号进行操作，从而可以保证请求操作的正常执行。
值得说明的是：所述第二预设阈值必须大于第一预设阈值；例如，次数3为第一预设阈值，次数5为第二预设阈值，关于第一预设阈值和第二预设阈值的具体取值都是举例说明，实际运用中，可以根据实际场景设定，此处不做赘述。
本申请提供的语音信息处理方法，通过将目标账号异常操作次数分别与第一预设阈值和第二预设阈值比较，服务器向目标账号对应的用户推送异常操作信息，不仅可以提醒目标账号对应用户，其目标账号存在服务密码泄露风险，而且通过禁止目标账号的语音操作可以最大程度上保护目标账号的信息安全。
在上述实施例的基础上，图4为本申请提供的语音信息处理方法实施例三的流程图。如图4所示，在S202之前，该方法还包括如下步骤：
S401、获取来电用户提供的服务密码。
示例性的，当来电用户对目标账号操作之前，需要来电用户输入目标账号的服务密码，服务器获取来电用户输入的服务密码。
可选的，所述服务密码可以是纯数字的组合、纯字母的组合或者是字母加数字的组合等。
可选的，目标账号的服务密码可以是首次申领账号时服务器自动生成的、可以是目标账号对应的用户设置的。本申请实施例并不对范围密码的生成方式进行限定
S402、基于该服务密码，确定来电用户的身份验证通过。
示例性的，当来电用户输入的服务密码与目标账号的服务密码一致时，即表示来电用户的身份验证通过，服务器对来电用户声纹特征信息进行提取。
示例性的，如果身份验证未通过，来电用户被禁止操作目标账号。
本申请提供的语音信息处理方法，根据来电用户输入对应账号的服务密码来验证来电用户是否有操作目标账号的权限，如果验证未通过，服务器不再进行上述其他操作。该技术方案中，通过声纹特征信息和服务密码的双重验证，可以为目标账号的信息安全提供了双重防护，提高了服务器的工作效率。
在上述实施例的基础上，图5为本申请提供的语音信息处理方法实施例四的流程图。如图5所示，在S202之前，该方法还包括如下步骤：
S501、获取语音数据样本集，该语音数据样本集包括：至少一条语音数据样本。
示例性的，预先获取各个账号对应的用户语音数据样本，用户的语音数据样本可以在用户首次申领账号时获取，也可以是任意一次在线下录入，此处不做限制，可根据不同情况而定。
可选的，获取的语音数据样本可以是目标账号对应用户的一句话，一段话，此处不作限定，但至少包括一条语音数据样本。
S502、利用预设的神经网络模型对该语音数据样本集中的每条语音数据样本进行分帧处理和采样处理，得到每条语音数据样本对应的声纹特征信息。
示例性的，对于一个账号的语音数据样本，服务器将获取到的每条语音数据样本输入到训练好的卷积神经网络模型(CNN)，利用卷积神经网络模型对每条语音数据样本进行分帧和采样处理，得到语音数据样本对应的声纹特征信息。
同理，对于其他账号的语音数据样本，可以按照同样的声纹特征信息的提取方法，获取各个账号对应的语音数据样本，逐一经过CNN模型的处理，得到每个账号对应的声纹特征信息。
S503、将每条语音数据样本对应的声纹特征信息和对应的账号进行关联，存储至上述声纹库中。
在本实施例中，服务器将上述步骤得到的每条声纹特征信息与对应的账号进行关联，使得语音数据样本集中每条语音数据对应的账号都具有对应的声纹特征信息，并存储到声纹库中。
经过上述处理，声纹库中至少包括目标账号对应用户的一条声纹特征信息。
本申请提供的语音信息处理方法，根据各个账号对应的用户提供的语音数据样本，经过CNN模型处理得到每个账号对应的用户声纹特征信息，并储存于声纹库中。该技术方案中，通过生成声纹库，为后续的声纹安全验证提供了实现前提，对目标账号的信息安全提供了可靠的信息安全支持。
在上述实施例的基础上，图6为本申请提供的语音信息处理方法实施例五的流程图。如图6所示，在S204之后，该方法还包括如下步骤：
S601、确定目标账号对应用户基于该异常操作提示信息执行的操作。
示例性的，服务器向目标账号对应用户推送了异常操作信息后，可以检测目标账号的用户在预设时间段内对该目标账号的操作信息。
可选的，预设时间段可以是一天，半个月，也可以是一个月，其具体取值可以根据实际设置确定。
可选的，若服务器检测到用户在预设时间段内修改了目标账号的服务密码，则表示来电用户可能确实不是目标账号的用户本人，因而，当来电用户再次请求对目标账号进行时，服务器则需要再次判断来电用户的服务密码和声纹特征信息是否通过验证，若两者均通过验证，则基于来电用户的请求对目标账号进行操作。
可选的，若服务器检测到用户在预设时间段内未修改服务密码，则可以锁定或关闭目标账号的语音操作功能。
S602、基于所述目标账号对应用户基于所述异常操作提示信息修改，确定是否更新声纹库。
可选的，由于服务器检测到用户在预设时间段内未修改服务密码且锁定或关闭了目标账号的语音操作功能，随后又基于用户的请求开启了目标账号的语音操作功能，且重新获取了该目标账号对应用户的声纹特征信息，这时可以根据新获取到的声纹特征信息更新该声纹库，否则，不对声纹库进行更新。
本申请提供的语音信息处理方法，通过基于所述目标账号对应用户基于所述异常操作提示信息修改，确定是否更新声纹库。该技术方案中，通过判断是否更新声纹库，能够提高后续声纹特征信息判断的精度，从而为保证用户信息安全奠定了基础。
下述为本申请装置实施例，可以用于执行本申请方法实施例。对于本申请装置实施例中未披露的细节，请参照本申请方法实施例。
图7为本申请提供的语音信息处理实施例的结构示意图。参照图7所示，该装置可以包括：获取模块701、处理模块702和发送模块703。
获取模块701，用于获取来电用户的语音信息，所述语音信息携带待操作的目标账号；
处理模块702，用于基于所述语音信息，提取所述来电用户的声纹特征信息，并将所述来电用户的声纹特征信息和声纹库中存储的所述目标账号对应的用户声纹信息进行对比，确定所述来电用户是否为所述目标账号对应的用户；
发送模块703，用于在处理模块702确定所述来电用户不是所述目标账号对应的用户时，向所述目标账号对应的用户推送异常操作提示信息。
在一种可能设计中，处理模块702，还用于在确定所述来电用户不是所述目标账号对应的用户时，生成异常操作日志，所述异常操作日志用于标识所述目标账号对应的服务密码存在被泄露风险，并基于所述异常操作日志，确定所述目标账号被异常操作的次数；
发送模块703，具体用于在所述目标账号被异常操作的次数大于或等于第一预设阈值时，向所述目标账号对应的用户推送异常操作提示信息。
作为一种示例，处理模块702，还用于在发送模块703向所述目标账号对应的用户推送异常操作提示信息之后，清空所述目标账号的异常操作日志，并将所述目标账号的被异常操作的次数更新为0。
作为另一种示例，处理模块702，还用于在所述目标账号被异常操作的次数大于或等于第二预设阈值时，禁止通过语音方式操作所述目标账号，所述第二预设阈值大于所述第一预设阈值。
可选的，处理模块702，还用于在基于所述异常操作日志，确定所述目标账号被异常操作的次数之后，在所述目标账号被异常操作的次数小于第二预设阈值时，执行所述语音信息所请求的操作。
另一种可能的设计中，获取模块701，还用于在处理模块702基于所述语音信息，提取所述来电用户的声纹特征信息之前，获取所述来电用户提供的服务密码；
处理模块702，还用于基于所述服务密码，确定所述来电用户的身份验证通过。
再一种可能的设计中，获取模块701，还用于在处理模块702将所述来电用户的声纹特征信息和声纹库中存储的所述目标账号对应的用户声纹信息进行对比，确定所述来电用户是否为所述目标账号对应的用户之前，获取语音数据样本集，所述语音数据样本集包括：至少一条语音数据样本；
处理模块702，还用于利用预设的神经网络模型对所述语音数据样本集中的每条语音数据样本进行分帧处理和采样处理，得到每条语音数据样本对应的声纹特征信息，将每条语音数据样本对应的声纹特征信息和对应的账号进行关联，并将得到的每个关联关系存储至所述声纹库中。
又一种可能的设计中，处理模块702，还用于：
确定所述目标账号对应用户基于所述异常操作提示信息执行的操作；
基于所述目标账号对应用户基于所述异常操作提示信息修改，确定是否更新所述声纹库。
本申请实施例提供的装置，可用于执行图2至图6所示实施例中的方法，其实现原理和技术效果类似，在此不再赘述。
需要说明的是，应理解以上装置的各个模块的划分仅仅是一种逻辑功能的划分，实际实现时可以全部或部分集成到一个物理实体上，也可以物理上分开。且这些模块可以全部以软件通过处理元件调用的形式实现；也可以全部以硬件的形式实现；还可以部分模块通过处理元件调用软件的形式实现，部分模块通过硬件的形式实现。例如，处理模块可以为单独设立的处理元件，也可以集成在上述装置的某一个芯片中实现，此外，也可以以程序代码的形式存储于上述装置的存储器中，由上述装置的某一个处理元件调用并执行以上处理模块的功能。其它模块的实现与之类似。此外这些模块全部或部分可以集成在一起，也可以独立实现。这里所述的处理元件可以是一种集成电路，具有信号的处理能力。在实现过程中，上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。
图8为本申请实施例提供用于实现语音信息处理方法的服务器的结构示意图。如图8所示，该服务器可以包括：处理器81、存储器82、通信接口83和系统总线84，所述存储器82和所述通信接口83通过所述系统总线84与所述处理器81连接并完成相互间的通信，所述存储器82用于存储计算机执行指令，所述通信接口83用于和其他设备进行通信，所述处理器81执行所述计算机执行指令时实现如上述图2至图6所示实施例的方案。
在该图8中，上述的处理器81可以是通用处理器，包括中央处理器CPU、网络处理器(network processor，NP)等；还可以是数字信号处理器DSP、专用集成电路ASIC、现场可编程门阵列FPGA或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
存储器82可能包含随机存取存储器(random access memory，RAM)，也可能包括只读存储器(read-only memory，RAM)，还可能包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
通信接口83用于实现数据库访问装置与其他设备(例如客户端、读写库和只读库)之间的通信。
系统总线84可以是外设部件互连标准(peripheral component interconnect，PCI)总线或扩展工业标准结构(extended industry standard architecture，EISA)总线等。系统总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
可选的，本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机指令，当该计算机指令在计算机上运行时，使得计算机执行如上述图2至图6所示实施例的方法。
可选的，本申请实施例还提供一种运行指令的芯片，所述芯片用于执行上述图2至图6所示实施例的方法。
本申请实施例还提供一种程序产品，所述程序产品包括计算机程序，所述计算机程序存储在计算机可读存储介质中，至少一个处理器可以从所述计算机可读存储介质读取所述计算机程序，所述至少一个处理器执行所述计算机程序时可实现上述图2至图6所示实施例的方法。
可以理解的是，在本申请的实施例中涉及的各种数字编号仅为描述方便进行的区分，并不用来限制本申请的实施例的范围。在本申请的实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请的实施例的实施过程构成任何限定。
最后应说明的是：以上各实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述各实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。
