Aug, 2023

复数值神经网络用于语音反欺骗

PDF
TL;DR本文介绍了一种新的方法，通过使用复数值神经网络处理输入音频的 CQT 频域表示，结合了幅度谱图和原始音频处理方法的优点，既保留了相位信息又可使用可解释人工智能方法，结果表明该方法在 “野外” 反欺诈数据集上优于先前的方法，并通过可解释人工智能解释结果，剔除研究证明该模型已学会使用相位信息来检测声音伪造。
anti-spoofingaudio deepfake detectionmagnitude spectrogram-based featuresraw audiocomplex-valued neural networks
发现论文，激发创造
  • 基于频谱图特征和深度学习模型集成的深度伪造音频检测

    本文提出了基于深度学习的深伪音频检测系统，通过多种变换方法和不同的滤波器转换输入音频为频谱图，并评估了多种深度学习模型在分类任务上的性能，最终融合各种方法实现了在 ASVspoofing 2019 挑战中竞争力强的伪音频检测。

    Jul, 2024

  • 基于 ConvNeXt 的音频防欺诈神经网络

    本文提出了一种基于 ConvNeXt 网络架构的轻量级端到端反欺骗模型，通过加入通道注意力块和使用 focal loss 函数，我们的模型可以专注于最具信息量的语音表示的子带和难以分类的样本，实验表明我们的系统在 ASVSpoof 2019 LA 评估数据集中可以实现 0.64％的等误差率和 0.0187 的 min-tDCF，超过了当前最先进系统。

    Sep, 2022

  • 基于深度复数 U-Net 的相位感知语音增强

    通过三种方式解决相位估计问题，提出了基于复数建模的 Deep Complex U-Net，极坐标复数掩蔽方法和新型的 wSDR 损失函数，在 Voice Bank 和 DEMAND 数据库上测试表明相对于之前的方法实现了最新的性能提升。

    Mar, 2019

  • 基于原始波形 CLDNN 的端到端欺诈检测

    本文介绍了一种基于原始波形的深度模型进行欺骗检测的方法，该模型同时作为特征提取器和分类器，消除了数据的任何预处理和后处理，通过使用卷积长短时神经网络（CLDNN），使得在 BTAS2016 数据集上系统性能从最佳 1.26％半总误差率（HTER）显著提高到现在的 0.82％HTER，并表现出在未知条件下也能很好地进行欺骗检测。

    Jul, 2020

  • 用 DNN 滤波器组倒谱系数进行欺骗检测

    本文提出一种新的基于深度神经网络滤波器组的倒谱特征来识别自然语音与攻击音频之间的差异，该特征在检测未知攻击时比现有基于线性频率倒谱系数分类器更加有效。

    Feb, 2017

  • SYSU 2015 Interspeech 自动说话人验证欺骗和对策竞赛系统

    提出了一种基于多种 i-vector 子系统的得分融合方法，通过采用声学水平的 Mel 频率倒谱系数（MFCC）特征、相位水平的修改群延迟倒谱系数（MGDCC）和语音学水平的音素后验概率（PPP）串联特征来检测并对抗欺骗性语音信号。

    Jul, 2015

  • CGCNN: 基于原始语音的复杂 Gabor 卷积神经网络

    使用复杂的 Gabor 滤波器和深度神经网络的方法，在 TIMIT 音素识别任务中取得了最佳表现，同时保持可解释性。

    Feb, 2020

  • 自动说话人验证系统的反欺诈方法

    本研究旨在通过分析不同的声学特征空间和分类器，确定可靠和强大的对抗欺骗攻击的措施。实验结果表明，基于深度神经网络（DNN）的方法在欺骗检测任务中获得了相当低的等错误率 (EER)

    May, 2017

  • 基于多阶谱图的融合重构学习的鲁棒音频防欺骗

    通过采用多阶谱图模式的融合重建策略，提出了一种新颖的深度学习方法 S2pecNet，用于强大的音频反欺骗表示，在广泛使用的数据集 ASVspoof2019 LA Challenge 上实现了最新的性能，EER 为 0.77%。

    Aug, 2023

  • 语音去噪的 Wavenet

    该研究提出了一种基于非因果的扩张卷积和预测目标场而不是单个目标样本的、采用监督学习方式最小化回归损失的判别式模型适应方法，旨在进行语音去噪处理，比传统幅度谱法的维纳滤波法具有更好的计算性能和感知评估效果。

    Jun, 2017