已有研究及实践均证明语音变形(Voice Transformation,VT)、语音转换(Voice Conversion,VC)、语音合成(Speech Synthesis,SS)及重播语音等欺骗性语音能有效地欺骗自动说话人识别系统,给社会安全带来严重的危害。目前已有的研究主要集中于对VC、SS及重播语音的检测,而对VT相关的安全问题研究相对不足。然而,相较实现成本较高且算法尚未完全成熟的VC及SS等操作,VT已有的算法能在改变说话人声音的同时高度保持语音的自然性,同时实现方式及成本便捷低廉,已集成在很多语音处理工具中,并在众多的案件中作为犯罪手段。因此,研究VT欺骗性语音的安全问题具有重要意义。为此,本文研究VT欺骗性语音的检测算法,并实现对VT欺骗鲁棒的说话人识别系统。本文主要的工作如下:1.提出一种基于高斯混合模型-通用背景模型超向量的VT语音检测算法。该算法利用MFCC在UBM下自适应得出的GMM-UBM超向量作为学习特征,并利用支持向量机作为分类方法。实验结果表明,该算法的识别率能达到98.62%。同时,当测试语音时长较短时,该算法能保持高识别率。2.利用Visual Studio2013的MFC框架实现对VT欺骗性语音鲁棒的说话人识别系统。该系统的防欺骗模块基于本文所提算法及实验室团队已有算法,该模块分特征提取模块、模型训练模块及检测识别模块三个子模块。该模块集成在基于GMM的SR系统中。经调试,该系统能有效地识别VT欺骗性语音,保证说话人识别正常的漏检率。该系统在设计上兼具简洁性和实用性,并具有很好的人机交互方式,运行时既有功能操作界面又有控制台窗口,方便了用户在系统运行时得到实时的反馈。综上,本文对VT欺骗性语音的检测进行了理论算法的研究及实用系统的开发,对欺骗性语音相关的安全问题研究有重要的理论及现实价值。