一个基于多顺序声学模拟的预训练框架,用于重播语音伪造检测.

科学领域:

• 语音处理 语音处理
• 机器学习是机器学习.
• 网络安全 网络安全

背景情况:

• 自动扬声器验证 (ASV) 系统容易受到语音伪造攻击,包括重播攻击.
• 由于物理记录要求,现有的深度学习对策在重复攻击的数据集创建方面面临挑战.
• 重复攻击涉及通过各种方式模仿用户的声音,这构成了重大安全风险.

研究的目的:

• 提出一个使用多顺序声学模拟的预培训框架,以有效检测重播语音伪造.
• 为了克服数据集构建的局限性,用于重复伪造对策.
• 提高深度学习模型在识别基于重复播放的语音伪造方面的性能.

主要方法:

• 开发了一种使用清洁语音和室内冲动响应 (RIR) 数据集的多顺序声学模拟框架.
• 生成模拟音频数据,表示清洁信号,原始扬声器配置和重播攻击配置.
• 采用预训练策略对模拟音频进行分类,然后对现有的重播语音伪造数据集进行微调.

主要成果:

• 拟议的预训练方法实现了高精度98.16%和F1得分95.08%的高精度.
• 这与传统方法相比显著改进,该方法获得了92.94%的准确性和86.92%的F1分数.
• 多级声学模拟有效地捕获了与重播攻击相关的各种声学配置.

结论:

• 拟议的多顺序声学模拟预培训框架对于重播语音伪造检测非常有效.
• 这种方法为训练重复攻击对策提供了一个可行的解决方案,解决了数据稀缺问题.
• 增强的性能证明了模拟声环境在加强ASV系统安全方面的潜力.