SLT2021: SPOOFPRINT: A NEW PARADIGM FOR SPOOFING ATTACKS DETECTION

最新推荐文章于 2024-06-09 09:45:45 发布

ruclion

最新推荐文章于 2024-06-09 09:45:45 发布

阅读量381

点赞数

分类专栏：研三-语音合成论文文章标签：自然语言处理

本文链接：https://blog.csdn.net/u013625492/article/details/112995094

版权

研三-语音合成论文专栏收录该内容

157 篇文章 27 订阅

订阅专栏

本文提出了Spoofprint，一种针对语音欺骗攻击的新检测方法，它采用类似于ASV系统的注册和验证阶段，以应对不断演化的欺骗技术。在ASVspoof2019数据集上的实验显示，Spoofprint能有效检测未知类型攻击，并优于现有技术。

摘要由CSDN通过智能技术生成

0. 题目

SPOOFPRINT: A NEW PARADIGM FOR SPOOFING ATTACKS DETECTION

SPOOFPRINT：一种用于攻击检测的新范式

1. 摘要

随着语音欺骗技术的发展，语音欺骗攻击已成为自动扬声器验证（ASV）系统的主要威胁之一。传统上，研究人员倾向于将此问题视为二进制分类任务。通常使用机器学习（包括深度学习）算法对二进制分类器进行训练，以确定给定的音频片段是真实的还是欺骗的。这种方法对于检测由已知语音欺骗技术生成的欺骗攻击非常有效。但是，在实际情况下，新型欺骗技术正在迅速出现。不可能将所有类型的欺骗技术都包含在训练数据集中，因此，希望检测系统可以推广到看不见的欺骗技术。在本文中，我们提出了一种新的欺骗攻击检测范例，称为Spoofprint。 Spoofprint代替使用二进制分类器来检测欺骗性音频，而是使用类似于ASV系统的范例，并包括注册阶段和验证阶段。我们评估ASVspoof 2019逻辑访问（LA）数据集的原始版本和嘈杂版本的性能。结果表明，拟议的Spoofprint范式可有效检测未知类型的攻击，并且通常优于最新技术

关键词: spoofing attack detection, deepfake detection, countermeasure, spoofing attack detection, ASVspoof 2019

欺骗攻击检测，深度欺诈检测，对策，ASVspoof 2019