JP7123540B2 - 音声情報による入力を受け付ける情報処理端末、方法、その情報処理端末を含むシステム - Google Patents

Description

本発明は、人間が発する音声入力を受け付けて自動的に処理を実行したり、人間に対してスピーカーを介してメッセージを発信したりできる機器（音声アシスタント）を用いた特別なサービスを実現するための技術に関する。

近年、人間が発する音声入力を受け付けて自動的に処理を実行したり、人間に対してスピーカーを介してメッセージを発信したりできる機器（音声アシスタント）が利用されてきている。音声アシスタントは、音声認識機能によりユーザーの発話を解釈し、ユーザーによる様々な指示を実行できる機能を持つ情報機器である。音声アシスタントは、音声による指示が可能となることで、従来のパーソナルコンピュータやスマートフォンなどでのキー操作やタッチ入力をしていた手間が省けるという利点がある。また、ユーザーに対して、処理結果や外部サービスからの通知（電子メールなど）を、スピーカーを介して音声メッセージとして発信することもできる。

前述の音声アシスタントの利用方法の一例としては、自宅のリビングやそのほかの部屋などに設置し、それぞれに対して、ユーザーが音声で指示を行うことで、所望の音楽を流したり、インターネット上に公開されているショッピングサービスを利用して商品の注文を行ったりすることができる。

音声アシスタントを介してショッピングサービスで商品の注文を行う場合であっても、ショッピングサービスに予め登録してあるユーザー情報で認証を行う必要がある。例えば、音声アシスタントに対して、注文時に、ユーザーＩＤやパスワードを音声入力することで、ユーザー認証が可能になる。もしくは、ショッピングサービスに予めパスワードの代わりにそのユーザーの声情報（声紋）を予め登録しておくことで、ショッピングサービスの認証サーバーが生体認証を行い、ユーザー認証が可能になるかもしれない。ここで、特許文献１では、声紋を用いた認証に加え、口唇の動きの時間変化から推定される音声が声紋情報に一致するか否かを元に認証を行うことで、より精度の高い認証を可能としている。

特開２０１７－４４７７８号公報

音声アシスタントはユーザーからの音声入力による指示を受け付けた場合、必要に応じて、対応するネットワークサービスに対してリクエストを発行する。ここで、音声アシスタントを用いたサービス提供システムにおいては、認証を必要とするようなサービス（例えば、ショッピングサービス）以外に、検索サービスを用いたキーワード検索など、認証を必要としないようなサービスも存在する。つまり、認証が不要なサービスを依頼した場合にも音声アシスタントで予め認証処理を行ってしまうと無駄である。また、音声アシスタントからのリクエストを受けたネットワークサービスから認証要求が返却された場合、このタイミングでユーザーに認証を改めて促す必要がある。

音声アシスタントへの音声指示を起点にネットワークサービスを利用する場合の認証作業については、ユーザビリティの観点で工夫すべき点が多い。

そこで、本発明における情報処理端末は、スピーカーを備え、音声情報による入力を受け付けて処理する情報処理端末であって、音声情報による入力に対応するサービスの実行に認証が不要である場合に、前記音声情報による入力に対する応答として、前記サービスの実行に関するメッセージを、前記スピーカーを介して通知する通知手段と、音声情報による入力に対応するサービスの実行に必要な認証のために、ネットワーク上のサービスサーバーから認証要求を受信した場合に、該入力された音声情報に対応するユーザーの生体情報として抽出された情報を用いた生体認証を行うための制御として、前記ユーザーの携帯端末に該ユーザーの認証の要求を行う制御手段と、前記携帯端末に対する前記要求に応じて行われた前記携帯端末での前記生体認証が成功したことにより作成されるデータを前記携帯端末から受信した場合に、当該データを前記サービスサーバーに対して送信する送信手段と、を有し、前記通知手段は、前記生体認証に成功し、かつ、前記サービスサーバーで前記送信されたデータを用いた検証に成功した場合に、前記音声情報による入力に対する応答として、前記サービスの実行に関するメッセージを、前記スピーカーを介して通知することを特徴とする。

本発明によれば、音声アシスタントへの音声指示を起点にネットワークサービスを利用する場合の認証作業について、ユーザーにとってユーザビリティが向上する。

本発明に係るネットワークシステムの構成の一例 ネットワークシステムに含まれる各装置のハードウェア構成の例 ネットワークシステムに含まれる各装置の機能ブロックの例 生体情報に対応するクレデンシャルの登録に関する処理のシーケンスを示す図 実施例１における音声指示により実行される処理に関するシーケンスを示す図 生体情報に関連する登録処理に用いられるパラメータ 生体認証に際して用いられるパラメータ 実施例２における処理全体に係るシーケンスを示す図 実施例２における権限の確認処理を説明するためのフローチャート 実施例２における確認処理の詳細に関するシーケンスを示す図 実施例２でのＧＵＩの例を示す図 実施例３における確認処理の詳細に関するシーケンスを示す図

以下、本発明を実施するための形態について図面を用いて説明する。

本発明では、認証システムとして、ＦＩＤＯ（Ｆａｓｔ Ｉｄｅｎｔｉｔｙ Ｏｎｌｉｎｅの略）と呼ばれる技術などの生体認証を用いるような仕組みを利用する。ここで、生体認証で用いられる指紋や静脈といった生体情報は、外部に情報が流出してしまった場合に、ＩＤ／パスワード認証におけるパスワードと異なり情報を書き換えることができないため、情報漏洩が致命的になる。これに対して、ＦＩＤＯは認証処理を、ネットワークを経由してサーバー上で行うのではなく、ユーザーの手元にある端末上で行うため、生体情報がネットワーク上に流れることがなく、情報漏洩のリスクが少ないと言える。

以降、本発明では、サービス提供システムから認証が必要なサービス提供を受ける場合には、生体情報を用いた認証処理はインターネット上の認証システムで行うのではなく、ユーザーの手元の端末で行うものとする。ユーザーの手元の端末とは、音声情報による入力を認識して自動的に必要な処理を行う情報処理端末（例えば、音声アシスタント、ロボットなど）や、携帯電話、スマートフォンなどで行うものとする。

（実施例１）
図１は、本発明の実施の形態に係る、システムの全体構成を示す図である。

図１において、音声アシスタント１０２，サービスサーバー１０３、および携帯端末１０４は、ネットワーク１０１を介して接続されている。

ネットワーク１０１は、例えば、インターネット等のＬＡＮ、ＷＡＮ、電話回線、専用デジタル回線、ＡＴＭやフレームリレー回線、ケーブルテレビ回線、データ放送用無線回線等のいずれか、または、これらの組み合わせにより実現される、いわゆる通信ネットワークである。ネットワーク１０１は、データの送受信が可能であればよい。

音声アシスタント１０２は、人間の音声情報による入力を認識して自動的に必要な処理を行う、ＡＩなどを含むような、情報処理端末の一例である。音声アシスタント１０２は、すくなくともマイクを備え、利用者からの声による指示に従って各種操作を実行する。また、人間に対してスピーカーを介してメッセージを発信したりできる。音声アシスタント１０２にはカメラを備えられていてもよい。マイクやカメラからの入力データから検出できる生体情報を検証し、生体認証を行うためのプログラムも動作する。音声アシスタント１０２は、様々な形態が考えられ、ロボットや専用のパソコン、家電、リモコンの一部として実装される場合もある。

サービスサーバー１０３は、たとえば音楽配信サービスや、ショッピングサービス等、各種インターネットサービスを提供するためのサーバーである。ユーザー情報を管理するサービスも動作する。なお、それらのサービス毎にサーバーが別であり、相互に連携できる構成であっても良い。

携帯端末１０４は、一般的な携帯電話、スマートフォン、タブレット、ウェアラブル端末等の携帯端末である。携帯端末１０４は、Ｗｅｂブラウザ、電話機能などを提供するアプリケーションを実行する環境が内蔵されている。また、個人を認証するための生体情報を取得するためのセンサーやカメラを備える。生体認証を行うためのプログラムなども動作する。なお、実施例１においては、携帯端末１０４は必須構成ではない。

図２は、ネットワークシステムに含まれる各装置のハードウェア構成の例を示している。

図２（ａ）は、音声アシスタント１０２のハードウェア構成図である。

ＣＰＵ２１１は、ＲＯＭ２１３内に記憶されたプログラムや、記憶装置２１４からＲＡＭ２１２にロードされたＯＳ（オペレーションシステム）やアプリケーション等のプログラムを実行する。すなわち、ＣＰＵ２１１が、読み取り可能な記憶媒体に格納された該プログラムを実行することにより、後述する各フローチャートの処理を実行する各処理部として機能する。ＲＡＭ２１２は、ＣＰＵ２４１のメインメモリであり、ワークエリア等として機能する。

２１５は、Ｔｒｕｓｔｅｄ Ｐｌａｔｆｏｒｍ Ｍｏｄｕｌｅ（ＴＰＭ）である。ＴＰＭ２１５は、Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍや他のハードウェアから独立して機能する耐タンパー性を備えたセキュリティチップで、機密情報を処理・格納するための記憶手段となる。本発明ではＴＰＭ２１５に、生体認証に利用するユーザーの生体情報や、後述される認証処理に必要となる秘密鍵が格納される。なお、本発明では、ＴＰＭの代替として、耐タンパー性を実現するために１チップ上で他から隔離して動作するセキュアなメモリ空間を確保して、そのメモリ空間でユーザーの生体情報（またはその特徴量）や、秘密鍵などを管理するための記憶手段を提供するといった方法でも実現できる。各部は入出力インターフェース２０７を介して接続されている。ここで、生体認証に利用するユーザーの生体情報とは、マイクやカメラからの入力データから検出できる声紋、指紋、顔、虹彩などのデータ（信号）自体、またはその特徴量などである。

ネットワークＩ／Ｆ２１６は、有線、または無線により、ネットワークに接続されて、ネットワーク上の他の機器との通信制御処理を実行する。カメラ２１７は、ユーザーの顔を撮像するためのハードウェアである。また、マイク２１８は、ユーザーの声を集音するためハードウェアであり、スピーカー２１９は、処理結果等を、ユーザーに通知するためなどに用いられるハードウェアである。

図２（ｂ）は、サービスサーバー１０３のハードウェア構成図である。これは、一般的な情報処理装置（サーバーコンピューター）のハードウェアで構成することができる。

ＣＰＵ２３１は、ＲＯＭ２３３内に記憶されたプログラムや、ハードディスクなどの外部メモリ２３５からＲＡＭ２３２にロードされたＯＳ（オペレーションシステム）やアプリケーション等のプログラムを実行する。すなわち、ＣＰＵ２３１が、読み取り可能な記憶媒体に格納された該プログラムを実行することにより、後述するシーケンスやフローチャートの処理を実行する各処理部として機能する。ＲＡＭ２３２は、ＣＰＵ２３１のメインメモリであり、ワークエリア等として機能する。ディスクコントローラ２３４は、各種データを記憶するハードディスク（ＨＤ）等の外部メモリ２３５へのデータアクセスを制御する。ネットワークＩ／Ｆ２３６はネットワークに接続されて、ネットワークに接続された他の機器との通信制御処理を実行する。

図２（ｃ）は、携帯端末１０４のハードウェア構成図である。

ＣＰＵ２５１、ＲＡＭ２５２、ＲＯＭ２５３、記憶装置２５４、ネットワークＩ／Ｆ２５６、およびＴＰＭ２５５は、音声アシスタント１０１の同名の構成と同様の機能を有する構成であるため、その説明を割愛する。生体情報センサー２５７は、ユーザーの生体情報を読取るセンサーであり、例えばユーザーの指紋、虹彩、静脈などの生体を読み取り信号（生体情報）に変換する。タッチパネル２５８は、表示と入力の２つの機能を備えており、アプリケーションの画面やキーボードなどを表示したりするとともに、ユーザーが画面に手や専用のペンで圧力を加えることにより、触れられた画面位置情報を外部へ情報信号として出力する。出力された信号情報をアプリケーションが利用することで、ユーザーはタッチパネル２５８を通じてアプリケーションを操作することができる。

図３は、ネットワークシステムに含まれる各装置のソフトウェアにより実現される機能ブロックの構成例を示している。

図３（ａ）は、音声アシスタント１０２の機能ブロックの構成例であり、前述したＣＰＵでプログラムを実行することで実現される。

音声受信部３１１は、マイク２１８を利用して、音声アシスタントの利用ユーザーからの音声入力を受け付ける。音声発信部３１２は、スピーカー２１９を利用して、音声アシスタントの利用ユーザーへメッセージ（機械音声）を発信する。

音声処理部３１３は、音声アシスタント１０２に入力される音声データや音声アシスタント１０２から発信される音声データの入出力処理や、音声データの分析を行う。また音声処理部３１３は音声データから生体情報（またはその特徴量）である声紋を抽出する。音声処理部３１３は、音声データの分析した際に、入力された音声データに所定の指示に対応する入力があったことを検出した場合には、当該指示に対応するリクエストが生成されることになる。ここで、入力と指示（コマンドや呼び出すべきＡＰＩのタイプなど）との対応付けをもつ不図示のテーブルを参照することでリクエストが生成されることになり、このようなテーブルは記憶装置２１４などで管理される。このテーブルでは、リクエストの対象となるサービス提供元の情報（音声アシスタント１０２、サービスサーバー１０３）も管理されることになる。なお、このようなテーブルは、クラウドサービスなど、外部ネットワーク上に管理されていて、音声処理部３１３やリクエスト処理部３２１が参照できるように構成することも可能である。

顔検出部３１５は、カメラ２１７を利用して、人物などの顔画像を検出する。さらに、顔検出部３１５はカメラ２１７で撮影した画像データから特に顔画像に対応する生体情報（またはその特徴量）を抽出する。なお、顔検出部３１５は、顔を検出した人物から抽出する生体情報として、カメラ２１７で撮影した画像データから抽出可能な指紋や虹彩などの他の生体情報を抽出してもよい。顔検出部３１５は、人間以外にも、ペットやロボットなどの顔を検出することも可能であり、必要に応じて、撮影画像データから生体情報に相当する個別のユニーク情報を抽出することも可能である。

レガシー認証処理部３１４は、ネットワークＩ／Ｆ２１６などを介して接続された携帯端末１０４などの機器から、ユーザー登録など要求を受付け、ユーザー情報を登録する際のレガシー認証のための情報を処理する。具体的には、ユーザーアカウントなどのＩＤとパスワードの登録を受け付け、記憶装置２１４に保存する。その後、それらのＩＤとパスワードの入力に応じてレガシー認証を実行する。

生体情報処理部３１６は、ＴＰＭ２１５を用いて、生体情報を管理する。また、レガシー認証に成功したユーザーが生体情報を登録する際には、上述の音声処理部３１３などにより抽出された生体情報が当該ユーザーのＩＤに紐づけられてＴＰＭ２１５に登録されることになる。生体情報処理部３１６により保存されるデータの例を表Ａに示す。

認証情報ＩＤは、認証に用いる生体情報（まはた生体情報の組合せ）に対して割り当てられた一意なＩＤである。サービスＩＤ列には認証が必要となるサービスを識別するためのサービスＩＤが設定される。サービスＩＤとはサービスのトップレベルドメイン、セカンドレベルドメインの情報を示す。例えば、ショッピングサービスのＵＲＬがｈｔｔｐ：／／ｗｗｗ．ｓｈｏｐｐｉｎｇ．ｃｏｍであった場合に、サービスＩＤはｓｈｏｐｐｉｎｇ．ｃｏｍとなる。声紋情報列、および顔情報列は、音声処理部３１３や顔検出部３１５などにより抽出された生体情報が保存される。

生体認証制御部３１７は、音声処理部３１３や顔検出部３１５などにより抽出された生体情報が、ＴＰＭ２１５に登録済みの情報に一致するか否かの照合を行うことで生体情報による認証処理を実行する。

鍵作成部３１８は、ＴＰＭ２１５に登録された生体情報に対応する秘密鍵と公開鍵のペアを作成する。ここで作成された秘密鍵については、対応する生体情報に関連付けてＴＰＭ２１５に保存される。この際、表Ｂに示すような形で保存する。

認証情報ＩＤ列、およびサービスＩＤ列は、表Ａで述べたＩＤと同様の値が設定され、秘密鍵列に、鍵作成部３１８で作成された秘密鍵の情報が保存される。

クレデンシャル作成部３１９は、外部サービスに登録すべき後述されるようなクレデンシャルを作成する。アサーション（Ａｓｓｅｒｔｉｏｎ）作成部３２０は、外部サービスでユーザーを確認するための検証データを含むアサーション（詳細は後述）を作成する。

リクエスト処理部３２１は、音声処理部３１３により特定されたユーザーからの指示に対応するリクエストを、ネットワークＩ／Ｆ２１６を介してサービスサーバー１０３に対して送信する。また、ネットワークＩ／Ｆ２１６やアサーション作成部３２０で作成されたデータを含むリクエストをネットワークＩ／Ｆ２１６を介して送信する。さらに、外部から受け付けたリクエストを処理する。ユーザーに対して発信すべきデータがある場合は、音声処理部３１３及び音声発信部３１２にデータを渡し、スピーカー２１９を利用して、音声アシスタントの利用ユーザーへメッセージ（機械音声）を発信する。

実行確認部３２２は、音声発信部３１２に対して、スピーカー２１９から処理実行の可否を問合せるメッセージの発信を行わせる。また、ユーザーからの応答を音声受信部３１１で受信し、音声処理部３１３による解析結果に従い、処理の実行可否を判断する。

図３（ｂ）は、サービスサーバー１０３の機能ブロックの構成例であり、前述したＣＰＵでプログラムを実行することで実現される。

リクエスト処理部３３１は、ネットワークなどを介して受信したリクエストを処理する。レガシー認証処理部３３２は、ＩＤとパスワードを用いたレガシー認証を実行する。登録パラメータ作成部３３３は、後述される登録パラメータの作成を行う。ユーザー管理部３３５は、レガシー認証に用いるユーザー情報や、公開鍵などの情報を、外部メモリ２３５などを用いて、保存、管理する。

認証判定部３３６は、要求された処理について認証が必要かどうかを判断する。検証部３３７は、アサーションの検証を行う。具体的にはアサーションに含まれる署名データについて公開鍵を用いた検証を行う。サービス実行部３３８は、要求された処理を実行し、音声アシスタント１０２に対して処理結果を送信したり、要求された処理に対応するサービスを提供したりする。

権限判定部３３９は、リクエストユーザーのサービスの実行権限の有無やレベルを判定する。本実施例においては、権限判定部３３９は必須の構成ではない。確認依頼部３４１は、サービスの実行の許可を確認依頼するための構成である。

図３（ｃ）は、携帯端末１０４の機能ブロックの構成例であり、前述したＣＰＵでプログラムを実行することで実現される。

送受信部３５１は、ネットワークＩ／Ｆ２５６を介した、外部との通信を行う。

生体情報処理部３５２は、生体情報処理部３１６と同等のモジュールであり、ＴＰＭ２５５を用いて認証情報ＩＤやサービスＩＤとともに、生体情報を管理する。生体認証制御部３５３は、生体認証制御部３１７と同等のモジュールであり、生体情報センサー２５７により抽出された生体情報が、ＴＰＭ２５５に登録済みの情報に一致するか否かの照合を行うことで生体情報による認証処理を実行する。

鍵作成部３５４は、鍵作成部３１８と同等のモジュールであり、ＴＰＭ２５５に登録された生体情報に対応する秘密鍵と公開鍵のペアを作成する。ここで作成された秘密鍵については、対応する生体情報に関連付けてＴＰＭ２５５に保存される。

クレデンシャル作成部３５５は、クレデンシャル作成部３１９と同等のモジュールであり、外部サービスに登録すべき後述されるようなクレデンシャルを作成する。アサーション作成部３５６は、アサーション作成部３２０と同等のモジュールであり、外部サービスでユーザーを確認するための検証データを含むアサーションを作成する。

実行確認部３５７は、実行確認部３２２と同等のモジュールであり、タッチパネル２５８上で処理実行の可否を問合せるメッセージを出力する。また、ユーザー操作に従い、処理の実行可否を判断する。

本実施例における機能は、大きく分けて、「音声アシスタントへの生体情報の登録処理」、および「音声アシスタントを用いた指示の実行処理」の２つから構成される。

なお、本実施例においては音声アシスタントを介した指示の例として、ショッピングサービスでの買い物を例として用いるが、音声アシスタントを介する指示はそれに限定されるものではない。例えば、会員向けの音楽購入や配信サービスなどであってもよい。また、音声アシスタントにて検証される生体情報として、顔情報と、声紋情報の２つを例に上げるが、これらも限定されるものではなく、例えばカメラの精度が高い場合には、虹彩情報など、その他の生体情報を利用しても良い。

図４（ａ）で示すシーケンス図を用いて、「音声アシスタントへの生体情報の登録処理」について説明する。

Ｓ４０１では、音声受信部３１１は、音声アシスタント１０２の利用ユーザーからの生体情報の登録指示を受け付ける。指示は、例えば「Ａショッピングサービスへの生体情報登録」など予め定められたキーワードによる指示や、音声アシスタントの機能によっては「Ａショッピングサービスに生体情報を登録したい」など口語的な指示でも良い。音声処理部３１３は、音声入力から検出できた生体情報登録指示を生体情報処理部３１６に渡す。生体情報処理部３１６は、サービスサーバー１０３に対するサービスサーバー１０３を生成する。Ｓ４０２では、リクエスト処理部３２１は、サービスサーバー１０３に、生体情報登録リクエストを送信する。

Ｓ４０３では、レガシー認証処理部３３２は、リクエスト処理部３３１を介して受信した生体情報登録リクエストの応答として、レガシー認証要求を生成し、音声アシスタント１０２に返却する。

Ｓ４０４では、レガシー認証処理部３１４は、保存済みのレガシー認証情報を取得し、リクエスト処理部３３１に送信する。この処理においては、前述の利用ユーザーが音声アシスタント１０２へのユーザー登録を行った際に登録したレガシー認証用のＩＤとパスワードを利用する。なお、このタイミングで、サービスサーバー１０３用のＩＤとパスワードを、音声や携帯端末１０４経由で利用ユーザーに入力させることも可能である。

Ｓ４０５では、レガシー認証処理部３３２は、リクエスト処理部３３１が受信したＩＤとパスワードを用いて認証処理を行う。認証が成功した場合に、Ｓ４０６で、登録パラメータ作成部３３３は、登録パラメータ６００の作成を行う。ここで、登録パラメータ６００を、図６（ａ）を用いて説明する。

登録パラメータ６００は、アカウント情報６０１、暗号化パラメータ６０２、ａｔｔｅｓｔａｔｉｏｎチャレンジ６０３、認証拡張領域６０４から構成される。アカウント情報６０１は、Ｓ４０５のレガシー認証で特定したユーザーＩＤなどの属性情報を表す。暗号化パラメータ６０２は、サービスサーバー１０３がサポートしている暗号化アルゴリズムなど、登録する認証情報に関する属性情報を示す。ａｔｔｅｓｔａｔｉｏｎチャレンジ６０３はチャレンジレスポンス認証をするために利用するパラメータである。認証拡張領域６０４は、サービスごとに必要可能な拡張パラメータが格納される。

Ｓ４０７では、リクエスト処理部３３１は、Ｓ４０４に対するレスポンスとして、音声アシスタント１０２にクレデンシャル作成要求を返却する。クレデンシャル作成要求には、図６（ｂ）で示すデータ６２０が含まれる。

データ６２０は、図６（ａ）で示す登録パラメータ６００と、サービスＩＤ６２１と、ＷｅｂＯｒｉｇｉｎ６２２とを含む。ＷｅｂＯｒｉｇｉｎ６２２はサービスサーバー１０２がホストするサービスのＯｒｉｇｉｎである。サービスＩＤ６２１は、サービスのトップレベルドメイン、セカンドレベルドメインの情報を格納する。例えば、ショッピングサービスのＵＲＬがｈｔｔｐ：／／ｗｗｗ．ｓｈｏｐｐｉｎｇ．ｃｏｍであった場合に、サービスＩＤ７２１はｓｈｏｐｐｉｎｇ．ｃｏｍとなる。

Ｓ４０８では、音声発信部３１２は、スピーカー２１９を利用して、ユーザーに対して声紋情報、および顔情報の登録に同意するか確認するメッセージを発信（機械音声）する。このメッセージは、音声処理部３１３がＳ４０７で受信したクレデンシャル作成要求に従い生成する。例えば、「生体情報の登録を行いますか？」といったメッセージを発信する。

Ｓ４０９では、音声受信部３１１は、ユーザーから生体情報の登録に関する同意の意向を示す応答を、音声指示として受け付ける。例えば、音声処理部３１３が、「はい」（「Ｙｅｓ」）といった音声指示を受け取ることを想定している。

Ｓ４１０では、音声発信部３１２は、スピーカー２１９を利用して、ユーザーに対して声紋登録用のキーワードの発声を促すメッセージを発信（機械音声）する。

Ｓ４１１では、音声受信部３１１は、マイク２１８を利用して、ユーザーからの生体情報（声紋）を登録するためのキーワードを含む登録用メッセージの応答を、音声指示として受け付ける。音声処理部３１３が、この音声指示から声紋情報を抽出する。

Ｓ４１２では、生体情報処理部３１６は、前述の表Ａで示したように、Ｓ４１１で抽出した声紋情報を認証情報ＩＤ、サービスＩＤに関連付けて、ＴＰＭ２１５に保存する。

Ｓ４１３では、顔検出部３１５は、カメラ２１７を利用して、口唇の動きや顔の向きから、Ｓ４１１で応答したユーザーの顔画像を取得し、顔認識を行うための特徴量を取得する。Ｓ４１４では、生体情報処理部３１６が、Ｓ４１２で用いた認証情報ＩＤ、サービスＩＤに関連付けて、Ｓ４１３で取得した特徴量を、ＴＰＭ２１５にさらに保存する。

Ｓ４１５では、鍵作成部３１８は、Ｓ４１２～Ｓ４１４での生体情報の登録に従い、公開鍵、および秘密鍵を作成し保存する。さらに、生体情報処理部３１６は、表Ｂで示すように、作成された秘密鍵を、Ｓ４１２～Ｓ４１４で用いた認証情報ＩＤ、サービスＩＤに関連付けて、ＴＰＭ２１５に保存する。

Ｓ４１６では、クレデンシャル作成部３１９は、図６（ｃ）で示すようなクレデンシャル６４０を作成する。認証情報ＩＤ６４１とアルゴリズム６４２と公開鍵６４３とａｔｔｅｓｔａｔｉｏｎ６４４から構成される。認証情報ＩＤ６４１、公開鍵６４３はＳ４１５の処理で作成した公開鍵と、それに対応するＩＤである。アルゴリズム６４２はＳ４１５における秘密鍵と公開鍵のペアの作成に利用したアルゴリズムにそれぞれ対応する。また、ａｔｔｅｓｔａｔｉｏｎ６４４はａｔｔｅｓｔａｔｉｏｎチャレンジ６０３をＳ４１５にて生成した秘密鍵を用いて暗号化したものである。Ｓ４１７では、リクエスト処理部３２１は、サービスサーバー１０３に、Ｓ４１６で作成したクレデンシャルを送信する。

Ｓ４１８では、サービスサーバー１０３のユーザー管理部３３５は、リクエスト処理部３３１を介して、受信したクレデンシャル（公開鍵など）を、Ｓ４０５でレガシー認証したユーザーのユーザーＩＤに紐付けて保存する。この際には、クレデンシャルに含まれる公開鍵を用いて、ａｔｔｅｓｔａｔｉｏｎを復号化し、Ｓ４０６で作成したａｔｔｅｓｔａｔｉｏｎチャレンジと一致するかを検証して、検証が成功したときのみ保存する。

Ｓ４１９では、リクエスト処理部３３１は、処理結果（保存成功／失敗）を音声アシスタント１０２に返却する。Ｓ４２０では、音声発信部３１２は、Ｓ４１９で受信した結果に応じた音声を、ユーザーに対して通知する。

図４（ｂ）で示すシーケンス図は、「音声アシスタントへの生体情報の登録処理」の変形例である。図４（ａ）では、音声アシスタント１０２に対して、ユーザーの生体情報を登録していた。本形態では、音声アシスタント１０２とユーザーの携帯端末１０４を連携させ、携帯端末１０４で生体認証する拡張について説明する。

Ｓ４０１～Ｓ４０９までの処理は同様であるため、その説明を割愛する。

Ｓ４５０で、音声アシスタント１０２のリクエスト処理部３２１は、Ｓ４０７で受信したクレデンシャル作成要求を、音声アシスタント１０２のユーザーの携帯端末１０４に対して転送する。さらに、Ｓ４５１で、音声発信部３１２は、スピーカー２１９を利用して、ユーザーに対して携帯端末で生体情報（指紋情報）の登録を促すメッセージを発信（機械音声）する。

Ｓ４５２で、携帯端末１０４の生体認証制御部３５３は、生体情報センサー２５７に対するユーザーによる生体情報の入力を待機し、受け付ける。Ｓ４５３で、生体情報処理部３５２は、提示された生体情報（指紋など）を、認証情報ＩＤ、サービスＩＤに関連付けて、ＴＰＭ２５５に登録する。Ｓ４５４では、鍵作成部３５４は、生体情報の登録に従い、公開鍵、および秘密鍵を作成し保存する。さらに、生体情報処理部３５２は、作成された秘密鍵を、その認証情報ＩＤ、サービスＩＤに関連付けて、ＴＰＭ２５５に保存する。

Ｓ４５５で、クレデンシャル作成部３５５は、図６（ｃ）で示すものと同様のクレデンシャルを作成する。ここでは、認証情報ＩＤと公開鍵は、Ｓ４５３、Ｓ４５４で生成された情報が用いられる。Ｓ４５６で、リクエスト処理部３２１は、音声アシスタント１０２に対して作成したクレデンシャルを送信する。

Ｓ４１７～Ｓ４２０の処理では、Ｓ４５５で作成されたクレデンシャルを用いて、前述した図４（ａ）と同様の処理が行われるため、その説明を割愛する。

図４（ｂ）によれば、音声アシスタント１０２は認証精度の高い外部認証器を利用することが可能になる。

次に、図５で示すシーケンスを用いて、「音声アシスタントを介した指示実行」についての処理の小委細について説明する。

Ｓ５０１では、音声受信部３１１は、ユーザーからの音声指示を受信する。例えば、「ＡショッピングサービスでＸＸを購入したい」や、「ＹＹ（曲名）を再生したい」等が、指示として考えられる。Ｓ５０２では、音声処理部３１３は、Ｓ５０１で受信した音声情報を一時的に保存する。Ｓ５０３では、顔検出部３１５は、Ｓ４１３と同様に口唇の動きなどから、Ｓ５０２で音声を発したユーザーを特定し、該ユーザーの顔情報を取得し、一時的に保存する。

Ｓ５０４では、音声処理部３１３は、Ｓ５０１で受け付けた音声データの分析により指示を検出した場合には、当該指示に対応するリクエストを生成する。分析結果に従い、リクエストの送信先が決定される。本実施例では、サービスサーバー１０３に対するリクエストの指示であると分析された場合の例について説明する。リクエスト処理部３２１は、サービスサーバー１０３に対して、生成されたリクエストを発行する。

Ｓ５０５では、サービスサーバー１０３の認証判定部３３６は、リクエスト処理部３３１を介して取得したＳ５０４で発行されたリクエストの内容に従い、該リクエストに応じた処理を実施するのに認証が必要か否かを判断する。認証の要否に従い、処理が切り替わる。

認証が不要な場合には、Ｓ５０６で、サービス実行部３３８は、Ｓ５０４で発行されたリクエストの内容に応じた処理を実行する。ここでは、ユーザー確認が不要な、全てのユーザーに共通して提供されるようなサービス案内の放送サービスや、一般的な検索サービスなどの実行と応答メッセージ取得、生成を想定している。Ｓ５０７で、サービス実行部３３８は、リクエスト処理部３３１を介して、音声アシスタント１０２に対してＳ５０４で発行されたリクエストに対するレスポンスを返却する。このレスポンスには、音声アシスタント１０２でユーザーに対して発信されるメッセージが含まれる。

Ｓ５０８では、音声処理部３１３は返却されたレスポンスに含まれるメッセージを取得し、音声発信部３１２を介してユーザーに通知する。なお、この際、Ｓ５０２およびＳ５０３において音声アシスタント１０２で一時保存した情報は削除される。

続いて、Ｓ５０５で認証が必要と判定された場合の処理について説明する。

Ｓ５１０では、認証判定部３３６は、図７（ａ）に示すような生体認証パラメータを作成し、リクエスト処理部３３１を介して、音声アシスタント１０２に対して送信する。

生体認証パラメータ７００は、アサーションチャレンジ７０１と拡張領域７０２から構成される。アサーションチャレンジ７０１はチャレンジレスポンス認証をするために利用するパラメータである。拡張領域７０２は、サービスサーバー１０３が音声アシスタント１０２での生体認証に関する処理を制御するため拡張パラメータが格納される。

Ｓ５１１では、音声処理部３１３および顔検出部３１５は、Ｓ５０２およびＳ５０３で一時保存した情報からそれぞれの特徴量を抽出する。Ｓ５１２では、生体認証制御部３１７は、Ｓ５０９で抽出した特徴量と、ＴＰＭ２１５に保存されている生体情報と照合し、生体認証処理を実行する。Ｓ５１３で生体認証に成功したか否かが判断される。認証成功と失敗とで処理が切り替わる。

生体認証に失敗した場合には、Ｓ５１４で、音声発信部３１２は、スピーカー２１９を利用して、生体認証が失敗した旨をユーザーに通知する。

続いて、Ｓ５１３で生体認証に成功したと判断された場合の処理について説明する。

Ｓ５１５では、アサーション作成部３２０は、図７（ｂ）に示すようなアサーション（Ａｓｓｅｒｔｉｏｎ）データを作成する。アサーション７２０は、認証情報ＩＤ７２１、および署名７２２から構成される。認証情報ＩＤは、Ｓ５１３で認証成功した生体情報、及びサービスサーバー１０３に対応するサービスＩＤに関連付けて前述の表Ａで管理された情報である。また、署名７２２は、Ｓ５１０で受信した認証要求に含まれるアサーションチャレンジ７０１と、Ｓ５１３で認証成功した生体情報に対応する認証情報ＩＤに関連付けて前述の表Ｂで管理された秘密鍵と、を用いて生成される。Ｓ５１６では、リクエスト処理部３２１は、サービスサーバー１０３に対して、Ｓ５１２で作成したアサーションを送信する。

Ｓ５１７で、サービスサーバー１０３の検証部３３７は、受信したアサーションの検証処理を実行する。検証処理では、ユーザー管理部３３５でアサーションに含まれる認証情報ＩＤに関連付けて管理される公開鍵を用いてそのアサーションに含まれる署名から復号したデータと、Ｓ５１０で認証判定部３３６が作成した生体認証パラメータに含めたアサーションチャレンジ７０１との比較が行われる。Ｓ５１８で、検証に成功したか否かの判断に応じて処理が切り替わる。

検証に失敗した場合には、Ｓ５１９では、検証部３３７は、リクエスト処理部３３１を介して、音声アシスタント１０２に対して、検証失敗のレスポンスを返却する。Ｓ５２０で、音声発信部３１２は、スピーカー２１９を利用して、生体認証が失敗した旨をユーザーに通知する。

続いて、Ｓ５１８で検証に成功したと判断された場合の処理について説明する。

Ｓ５２１では、サービス実行部３３８は、Ｓ５０４で発行されたリクエストの内容に応じた処理を実行する。ここでは、ユーザー確認が必要な、会員ユーザー向けの音楽配信サービスや、ショッピングサービス、決済歳―ビスなどの実行と応答メッセージ取得、生成が実行される。Ｓ５２２では、サービス実行部３３８は、リクエスト処理部３３１を介して、音声アシスタント１０２に対してＳ５０４で発行されたリクエストに対するレスポンスを返却する。このレスポンスには、Ｓ５２１の処理の結果として生成された、音声アシスタント１０２でユーザーに対して発信されるべきメッセージが含まれる。

Ｓ５２３では、音声処理部３１３は、返却されたレスポンスに含まれるメッセージを取得し、音声発信部３１２を介してユーザーに通知する。

（実施例１の応用例）
なお、図４（ｂ）で示す処理が行われていた場合には、Ｓ５１０の認証要求は音声アシスタント１０２から携帯端末１０４に転送されることになる。この場合には、ユーザーは携帯端末１０４に指紋などの生体情報を提示して、Ｓ５１２に相当する生体認証処理が携帯端末１０４上で実行されることになる。認証成功時には、携帯端末１０４のアサーション作成部３５６は、図７（ｂ）に示すようなアサーションデータを作成することになる。このアサーションデータは、音声アシスタント１０２のリクエスト処理部３２１により、サービスサーバー１０３に対して送信されることになる。以降は、Ｓ５１７～Ｓ５２３と同様の処理となる。

（実施例２）
実施例１においては、ショッピングサービスなど、認証が必要なサービスを音声指示したユーザーが購買を行う権限を持つことを前提としていた。例えば、ショッピングサービスでは、家族会員などユーザーグループ内の任意のユーザー（両親のユーザーアカウントなど）のみがサービスの決済の権限を持つ場合がある。そのようなケースでは、子供のユーザーアカウントに対応する音声指示が行われた場合に、実行権限を持つ別のユーザーに認証を含む認可の処理が行われる必要がある。本実施例に関して、このような認可処理を含むサービス提供について、前述した実施例１と異なる点を中心に詳しく説明する。

本実施例のために、サービスの決済の権限をもつ承認ユーザーの携帯端末を追加する。この携帯端末は、実施例１の図２，３で説明した携帯端末１０４と同様の構成である。

サービスサーバー１０３のユーザー管理部３３５は、表Ｃに示すようなデータを持つ。なお、これらのデータは、サービスサーバー１０３が提供するサービスの機能として登録画面や登録サービスが用意されており、それらを通じて登録されるものとする。

ユーザーＩＤ列は、音声指示を実施したユーザーのＩＤを示し、サービスＩＤ列は、サービスサーバー１０３によってホストされるサービスのサービスＩＤ７２１を示す。実行可否列は、各ユーザーがサービスＩＤにて示されるサービスの実行を許可されているか否かを示す。表Ｃの場合、ｕｓｅｒＡは実行を許可（ｔｒｕｅ）されているが、ｕｓｅｒＢは実行を禁止（ｆａｌｓｅ）されていることを示す。実行の可否の決定方法は、サービスごとに定義されるものとする。例えば、ユーザーの年齢にしきい値を設けて実行可否を制限しても良いし、別途ＵＩなどを設け、実行が出来ないユーザーを選択できるようにしても良い。承認ユーザー列には、実行可否が禁止（ｆａｌｓｅ）のユーザーからのリクエストに対応するサービス提供を認可する権限をもつ承認ユーザーのユーザーＩＤを示す。ｕｓｅｒＡは、自身の権限で実行が許可されているため、承認ユーザーが設定されていない（ＮＵＬＬ）。通知先列は、ユーザーＩＤ列に示すユーザーの通知先を示す。たとえば、携帯端末１０４の電話番号や、メールアドレスなどが設定される。表Ｃの場合、ｕｓｅｒＢからｓｈｏｐｐｉｎｇ．ｃｏｍへの依頼が来た場合は、承認ユーザーｕｓｅｒＡの通知先「ｕｓｅｒＡ＠ｘｘｘ．ｎｅ．ｊｐ」へ確認依頼が通知されることとなる。

図８は、前述の図５のシーケンスのＳ５１８以降の処理の拡張部分を含むシーケンスを示している。

アサーションの検証に失敗した場合のＳ５１９及びＳ５２０は図５と同様である。

アサーションの検証に成功した場合には、Ｓ８０１で、権限の確認処理が実行される。図９を用いてＳ８０１の処理の詳細について説明する。

Ｓ９０１で、音声アシスタント１０２の権限判定部３３９は、ユーザー管理部３３５で管理された表Ｃから、音声で指示したユーザーのユーザーＩＤに関する情報を取得する。Ｓ９０２で、権限判定部３３９は、Ｓ９０１で取得した情報に含まれる実行可否列を参照し、該ユーザーの実行権限の有無を確認する。

Ｓ８０１の処理の結果、音声で指示したユーザーに実行権限がある場合には、図５のＳ５２１～Ｓ５２３と同様の処理が行われる。Ｓ８０１の処理の結果、音声で指示したユーザーに実行権限がない場合には、Ｓ８０２に遷移する。

Ｓ８０２では、確認依頼部３４１は、承認ユーザーの携帯端末と連携し、認可処理を実行する。この処理の詳細は、図１０を用いて後述する。Ｓ８０２での結果、承認ユーザーの携帯端末から音声指示によりリクエストされた指示の実行許可、または禁止を示す応答が得られる。

実行が禁止された場合には、Ｓ８０３で、確認依頼部３４１は、音声アシスタントに対して、リクエストされた処理が承認ユーザーに禁止されたことを示すレスポンスを返却する。Ｓ８０４で、音声処理部３１３は、返却されたレスポンスに含まれるメッセージを取得し、音声発信部３１２を介してユーザーに通知する。

Ｓ８０２での結果、実行許可であった場合には、図５のＳ５２１～Ｓ５２３と同様の処理が行われる。

図１０を用いて、Ｓ８０２の処理の詳細について説明する。なお、本実施例においては、承認ユーザーの携帯端末についても、図４（ｂ）で示すような手続きを踏んで、サービスサーバー１０３へのクレデンシャルの登録は実施済みであるものとする。

Ｓ１００１では、サービスサーバー１０３の確認依頼部３４１は、承認ユーザーの携帯端末に対して、確認処理のリクエストを発行する。この際、図７（Ａ）で示すような、承認ユーザー用の生体認証パラメータも送信する。

Ｓ１００２では、承認ユーザーの携帯端末の実行確認部３５７は、タッチパネル２５８上に、図１１（ａ）に示すような確認画面を表示する。承認ユーザーは、音声アシスタント１０２のユーザーがリクエストした指示について、許可するか否かの入力が行える。続いて、生体情報処理部３５２は、図１１（ｂ）に示すような認証画面を、タッチパネル２５８上に表示する。Ｓ１００３で、ユーザーに生体情報（指紋）の提示を受け付ける。

Ｓ１００４では、生体認証制御部３５３は、ＴＰＭ２５５に登録済みの生体情報を用いて生体認証処理を実行する。生体認証に成功した場合には、Ｓ１００５で、アサーション作成部３５６が、図７（Ｂ）で示したものと同様のアサーションデータを作成する。

Ｓ１００６で、送受信部３５１は、確認画面を介して受け付けたユーザーからの確認結果（実行許可、または禁止）、及びアサーションデータを、サービスサーバー１０３に送信する。

Ｓ１００７では、検証部３３７は、受信したアサーションを検証する。この検証に成功した場合には、確認結果（実行許可、または禁止）に従い、図８のＳ８０２以降の処理が実行されることになる。

（実施例３）
実施例２においては、承認ユーザーの携帯端末に対して、確認要求を行い、認可処理を実現していた。本実施例においては、この認可処理についても、別の音声アシスタントと連携することで実現する実施形態について説明する。具体的には、図１２で示すように、承認ユーザーが別の音声アシスタントを用いて、前述した実施例２で述べたＳ８０２の認可処理を実現している。なお、本実施例に関しても、前述した実施例１、２と異なる点について、詳しく説明する。

本実施例においては、承認ユーザーが利用する別の音声アシスタントは、前述した図２（ａ）、図３（ａ）と同様の構成を備えるものとする。

また、本実施例においては、サービスサーバー１０３のユーザー管理部３３５は、表Ｄに示すようなデータを持つ。なお、これらのデータは、サービスサーバー１０３が提供するサービスの機能として登録画面や登録サービスが用意されており、それらを通じて登録されるものとする。表Ｄでは、通知先として、音声アシスタントを一意に識別するＩＤやネットワークアドレスなどが設定される。また、あるユーザーが複数の音声アシスタントを保持している可能性もあるため、通知先には、複数の音声アシスタントのＩＤが設定されうる。

表Ｄの場合は、ｕｓｅｒＡの通知先としては、２つのＩＤが設定している。つまり、ｕｓｅｒＡは、これらの２つのＩＤにて識別される音声アシスタントを所有し、ｕｓｅｒＡに対しては、それらの内、いずれかの音声アシスタント、もしくは両方の音声アシスタントへの確認通知が行われることとなる。

次に、図１２を用いて、本実施例における認可処理の詳細について説明する。

Ｓ１２０１では、サービスサーバー１０３の確認依頼部３４１は、承認ユーザーの音声アシスタントに対して、確認要求を発行する。この際、図７（Ａ）で示すような、承認ユーザー用の生体認証パラメータも送信する。

Ｓ１２０２では、確認要求を受信した音声アシスタントの顔検出部３１５は、カメラ２１７を用いて、通知先の人物が映るか否かを判断する。具体的には、カメラに映る顔画像から特徴量を抽出し、ＴＰＭ２１５に保存された承認ユーザーの顔特徴量と照合することで、この判断を行う。Ｓ１２０２の処理は省略されてもよい。

Ｓ１２０３では、実行確認部３２２は、音声発信部３１２を介して、ユーザーに対して「ｕｓｅｒＢからのＸＸの購買許可依頼が届いています。許可しますか？禁止しますか？」といったメッセージの通知（機械音声）を行う。Ｓ１２０４では、音声処理部３１３及び実行確認部３２２は、音声受信部３１１がマイクを介して受け付けた音声データの中から、ユーザーからの「はい（許可）」、もしくは「いいえ（禁止）」といった指示内容を抽出する。

Ｓ１２０５では、顔検出部３１５は、Ｓ１２０４で許可の発言をしたユーザーを、口唇などの動きから特定し、該ユーザーの顔情報を取得する。Ｓ１２０６では、音声処理部３１３，および顔検出部３１５は、Ｓ１２０４、およびＳ１２０５で取得した情報から特徴量を抽出する。Ｓ１２０７で、生体認証制御部３１７は、抽出した特徴量と、ＴＰＭ２１５に保存されている生体情報と照合し、生体認証処理を実行する。Ｓ１２０８では、アサーション作成部３２０は、生体認証に成功した際に認証に用いた生体情報に対応する認証情報ＩＤに関連付けて管理された秘密鍵を用いて、図７（ｂ）に示すアサーションを作成する。

Ｓ１２０９で、リクエスト処理部３２１は、サービスサーバー１０３に対して、Ｓ１２０８で作成したアサーション及び確認結果（許可または禁止）を送信する。Ｓ１２１０で、検証部３３７は、受信したアサーションを認証情報ＩＤに対応付けて管理されている公開鍵を用いて検証する。この検証に成功した場合には、確認結果（実行許可、または禁止）に従い、図８のＳ８０２以降の処理が実行されることになる。

（実施例３の応用例）
なお、図１２では、承認ユーザーは音声アシスタントにより、声紋や顔画像の特徴量を用いて、生体認証を行っていた。ここで、承認ユーザーが図４（ｂ）に相当する処理を行っていた場合には、Ｓ１２０１で音声アシスタントが受信した確認要求を、承認ユーザーの携帯端末に転送して、該携帯端末において、認可の指示入力と生体認証を承認ユーザーに行わせることも可能である。

その際には、音声アシスタントから確認要求を受付けた承認ユーザーの携帯端末は、図１０で示すＳ１００２～Ｓ１００５と同様の処理を実行する。その後、送受信部３５１は、確認画面を介して受け付けたユーザーからの確認結果（実行許可、または禁止）、及びアサーションデータを、確認要求の送信元である音声アシスタントに送信する。音声アシスタントは、確認結果（実行許可、または禁止）、及びアサーションデータをサービスサーバー１０３に転送する。これにより、図１２で示したＳ１２０９と同様のアサーションの検証処理が実行されることになる。

（他の実施例）
本発明は、上述した実施形態を適宜組み合わせることにより構成された装置あるいはシステムやその方法も含まれるものとする。

ここで、本発明は、上述した実施形態の機能を実現する１以上のソフトウェア（プログラム）を実行する主体となる装置あるいはシステムである。また、その装置あるいはシステムで実行される上述した実施形態を実現するための方法も本発明の一つである。また、そのプログラムは、ネットワーク又は各種記憶媒体を介してシステム或いは装置に供給され、そのシステム或いは装置の１以上のコンピュータ（ＣＰＵやＭＰＵ等）によりそのプログラムが読み出され、実行される。つまり、本発明の一つとして、さらにそのプログラム自体、あるいは該プログラムを格納したコンピューターにより読み取り可能な各種記憶媒体も含むものとする。また、上述した実施形態の機能を実現する回路（例えば、ＡＳＩＣ）によっても、本発明は実現可能である。

１０１ ネットワーク
１０２ 音声アシスタント
１０３ サービスサーバー
１０４ 携帯端末

Claims (12)

1. スピーカーを備え、音声情報による入力を受け付けて処理する情報処理端末であって、
   音声情報による入力に対応するサービスの実行に認証が不要である場合に、前記音声情報による入力に対する応答として、前記サービスの実行に関するメッセージを、前記スピーカーを介して通知する通知手段と、
   音声情報による入力に対応するサービスの実行に必要な認証のために、ネットワーク上のサービスサーバーから認証要求を受信した場合に、該入力された音声情報に対応するユーザーの生体情報として抽出された情報を用いた生体認証を行うための制御として、前記ユーザーの携帯端末に該ユーザーの認証の要求を行う制御手段と、
   前記携帯端末に対する前記要求に応じて行われた前記携帯端末での前記生体認証が成功したことにより作成されるデータを前記携帯端末から受信した場合に、当該データを前記サービスサーバーに対して送信する送信手段と、を有し、
   前記通知手段は、前記生体認証に成功し、かつ、前記サービスサーバーで前記送信されたデータを用いた検証に成功した場合に、前記音声情報による入力に対する応答として、前記サービスの実行に関するメッセージを、前記スピーカーを介して通知することを特徴とする情報処理端末。
2. 前記入力された音声情報に基づき前記サービスサーバーに対してリクエストを発行する発行手段をさらに有することを特徴とする請求項１に記載の情報処理端末。
3. 前記送信手段は、前記データとして、前記サービスサーバーからの認証要求に含まれるデータと、前記生体認証に成功した際に用いた生体情報に対応する秘密鍵とを用いて作成された署名を含むデータを前記サービスサーバーに対して送信し、
   前記通知手段は、前記メッセージとして、前記サービスサーバーで前記秘密鍵に対応する公開鍵を用いた前記データに含まれる署名の検証に成功した場合に実行された前記リクエストに対応する処理の結果に対応するメッセージを、前記スピーカーを介して通知することを特徴とする請求項２に記載の情報処理端末。
4. 前記サービスサーバーから認証要求を受信する前に、前記サービスサーバーからの別の要求のために前記携帯端末から前記公開鍵を受信した場合に、当該要求の応答として該公開鍵を含むデータを前記サービスサーバーに送信する登録手段をさらに有することを特徴とする請求項３に記載の情報処理端末。
5. スピーカーを備え、音声情報による入力を受け付けて処理する情報処理端末における方法であって、
   音声情報による入力に対応するサービスの実行に認証が不要である場合に、前記音声情報による入力に対する応答として、前記サービスの実行に関するメッセージを、前記スピーカーを介して通知する通知工程と、
   音声情報による入力に対応するサービスの実行に必要な認証のために、ネットワーク上のサービスサーバーから認証要求を受信した場合に、該入力された音声情報に対応するユーザーの生体情報として抽出された情報を用いた生体認証を行うための制御として、前記ユーザーの携帯端末に該ユーザーの認証の要求を行う制御工程と、
   前記携帯端末に対する前記要求に応じて行われた前記携帯端末での前記生体認証が成功したことにより作成されるデータを前記携帯端末から受信した場合に、当該データを前記サービスサーバーに対して送信する送信工程と、を有し、
   前記通知工程では、前記生体認証に成功し、かつ、前記サービスサーバーで前記送信されたデータを用いた検証に成功した場合に、前記音声情報による入力に対する応答として、前記サービスの実行に関するメッセージが、前記スピーカーを介して通知されることを特徴とする方法。
6. 請求項１乃至４のいずれか１項に記載の手段としてコンピューターを機能させるためのプログラム。
7. スピーカーを備え、音声情報による入力を受け付けて処理する情報処理端末と、ネットワークを介して受信したリクエストに対応する処理を実行するサービスサーバーと、を含むシステムであって、
   前記情報処理端末は、
   音声情報による入力に対する応答として、前記スピーカーを介してメッセージを通知する通知手段と、
   音声情報による入力に応じて、当該入力された音声情報に基づきネットワーク上のサービスサーバーに対してリクエストを発行する発行手段と、
   前記音声情報による入力に対応するサービスの実行に必要な認証のために、前記サービスサーバーから認証要求を受信した場合に、該入力された音声情報に対応するユーザーの生体情報として抽出された情報を用いた生体認証を行うための制御として、前記ユーザーの携帯端末に該ユーザーの認証の要求を行う制御手段と、
   前記携帯端末に対する前記要求に応じて行われた前記携帯端末での前記生体認証が成功したことにより作成されるデータを前記携帯端末から受信した場合に、当該データを前記サービスサーバーに対して送信する送信手段と、を有し、
   前記サービスサーバーは、
   前記送信されたデータを用いた検証の成功に基づいて、前記発行されたリクエストに対応する処理を実行する実行手段と、
   前記処理の結果を前記情報処理端末に返却する返却手段と、を有し、
   前記情報処理端末の前記通知手段は、前記音声情報による入力に対する応答として、前記サービスサーバーから返却された結果に対応するメッセージを、前記スピーカーを介して通知することを特徴とするシステム。
8. 前記情報処理端末の前記送信手段は、前記データとして、前記サービスサーバーからの認証要求に含まれるデータと、前記生体認証に成功した際に用いた生体情報に対応する秘密鍵とを用いて作成された署名を含むデータを前記サービスサーバーに対して送信し、
   前記サービスサーバーの前記実行手段は、前記秘密鍵に対応する公開鍵を用いた前記データに含まれる前記署名の検証に成功した場合に、前記発行されたリクエストに対応する処理を実行することを特徴とする請求項７に記載のシステム。
9. 前記サービスサーバーは、前記入力された音声情報に対応するユーザーに、該音声情報による入力に対応するサービスの実行の権限がない場合に、別のユーザーが利用する端末に当該サービスを実行についての確認要求を行う確認手段を、さらに有し、
   前記サービスサーバーの前記実行手段は、前記確認要求に対する前記別のユーザーの許可を示す応答をさらに受信した場合に、前記発行されたリクエストに対応する処理を実行することを特徴とする請求項７または８に記載のシステム。
10. 前記システムは、前記別のユーザーが利用する端末をさらに含み、
    前記別のユーザーが利用する端末では、前記確認要求に応じて、前記別のユーザーの生体認証が行われることを特徴とする請求項９に記載のシステム。
11. 前記システムは、前記別のユーザーが利用する端末をさらに含み、
    前記別のユーザーが利用する端末は、前記情報処理端末とは異なる、スピーカーを備え、音声情報による入力を受け付けて処理する端末であることを特徴とする請求項９または１０に記載のシステム。
12. スピーカーを備え、音声情報による入力を受け付けて処理する情報処理端末と、ネットワークを介して受信したリクエストに対応する処理を実行するサービスサーバーと、を含むシステムにおける方法であって、
    前記情報処理端末は、
    音声情報による入力に対する応答として、前記スピーカーを介してメッセージを通知する通知工程と、
    音声情報による入力に応じて、当該入力された音声情報に基づきネットワーク上のサービスサーバーに対してリクエストを発行する発行工程と、
    前記音声情報による入力に対応するサービスの実行に必要な認証のために、前記サービスサーバーから認証要求を受信した場合に、該入力された音声情報に対応するユーザーの生体情報として抽出された情報を用いた生体認証を行うための制御として、前記ユーザーの携帯端末に該ユーザーの認証の要求を行う制御工程と、
    前記携帯端末に対する前記要求に応じて行われた前記携帯端末での前記生体認証が成功したことにより作成されるデータを前記携帯端末から受信した場合に、当該データを前記サービスサーバーに対して送信する送信工程と、を有し、
    前記サービスサーバーは、
    前記送信されたデータを用いた検証の成功に基づいて、前記発行されたリクエストに対応する処理を実行する実行工程と、
    前記処理の結果を前記情報処理端末に返却する返却工程と、を有し、
    前記情報処理端末の前記通知工程では、前記音声情報による入力に対する応答として、前記サービスサーバーから返却された結果に対応するメッセージが、前記スピーカーを介して通知されることを特徴とする方法。

Images