通过模糊的双路径时间频率注意网络进行音频深度假冒检测.

科学领域:

• 人工智能的人工智能
• 信息安全 信息安全
• 信号处理 信号处理

背景情况:

• 音频深度假冒技术对信息安全构成重大威胁,原因是语音合成的进步.
• 现有的检测方法与环境噪音,信号压缩和微妙的假音频特征的稳定性作斗争.
• 高度隐藏的假音频仍然难以有效地识别使用当前技术.

研究的目的:

• 开发一种强大而准确的方法来检测音频深度假冒.
• 为了解决现有方法在处理噪音和压缩音频方面的局限性.
• 通过先进的功能特征和增强来改善高度隐藏的假音频的识别.

主要方法:

• 提出了一种双路径时间频率注意网络 (DPTFAN),用于不确定性建模,它结合了毕达哥拉斯犹模糊集 (PHFS).
• 在时间和频率领域采用双路径注意力机制,以改善特征表示和歧视力.
• 引入了一个轻量级模糊分支网络 (LFBN),用于明确增强模两可的音频功能,平衡性能和效率.

主要成果:

• 在ASVspoof 2019 LA数据集上实现了98.94%的准确性.
• 在FoR (假或真实) 数据集上达到99.40%的准确性.
• 与现有的主流音频深度假冒检测方法相比,证明了卓越的性能和稳定性.

结论:

• 拟议的DPTFAN方法为音频深度假冒提供了出色的检测性能和稳定性.
• 使用PHFS和双路注意力的不确定性建模有效地表征和增强假音频特征.
• 在深度假冒检测中,LFBN有助于提高性能,同时保持计算效率.