Jul, 2024

SecureSpectra: 通过智能签名保护数字身份免受深度伪造威胁

PDF
TL;DR通过在音频中嵌入正交、不可逆的签名，SecureSpectra 防御机制应对 DeepFake 威胁，避免未经授权的访问和错误信息的传播。通过将差分隐私整合到流程中，保护签名免受逆向工程的威胁，在增强安全性和减少性能损失之间取得平衡。我们在 Mozilla Common Voice、LibriSpeech 和 VoxCeleb 数据集上的评估显示 SecureSpectra 具有卓越的性能，在检测准确度方面超过最近的研究成果多达 71%。我们将 SecureSpectra 开源，以造福研究界。
发现论文，激发创造
  • 自动身份识别对音频视觉深度伪造的漏洞

    该研究论文介绍了首个真实的音频 - 视觉深度伪造数据库 SWAN-DF，其中嘴唇和语音同步，并具有高质量的视觉和音频。研究表明，通过调整现有的预训练深度伪造模型来适应特定身份，可以在超过 90% 的时间内成功欺骗人脸和说话人识别系统，并获得非常逼真的伪造视频。

    Nov, 2023

  • 利用低频细微特征改进 DeepFake 检测

    本研究针对声音 DeepFake 威胁，研究使用最新的 Whisper 语音识别模型作为前端来增强声音真实性检测，实验证明使用 Whisper 模型可提高声音 DeepFake 检测的准确性。

    Jun, 2023

  • WaveFake: 一份数据集，用以方便音频 Deepfake 检测

    本文介绍了一些用于分析音频信号的常见信号处理技术。我们提供了一个新的数据集，并采用了两个基线模型，以便进一步研究深层次的生成建模在音频信号领域的应用。

    Nov, 2021

  • 深度伪造音频的系统指纹识别：一份初始数据集和调查

    本论文提出了一个用于系统指纹识别的 deepfake 音频数据集，并进行了初步调查，数据集由五个语音合成系统使用最先进的深度学习技术收集而成，为系统指纹识别方法的开发提供了一些基准和研究发现。

    Aug, 2022

  • 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

  • FaceSigns: 媒体认证和对抗 Deepfakes 的半脆弱神经水印

    该研究提出了一种基于深度学习的半脆弱水印技术，该技术通过验证嵌入在图像像素中的隐秘信息来实现媒体身份验证，可以抵抗面部操纵和篡改，同时也是鲁棒的，可以保持图像在顺利处理后的真实性。

    Apr, 2022

  • 检测合成语音的深度时频艺术品

    本文介绍了音频深度合成检测（ADD）挑战的参赛系统，在低质量伪造音频检测和部分伪造音频检测领域取得了不错的成绩，通过使用时间信号、频谱特征和深度嵌入特征等方法检测音频中的光谱 - 时间畸变，并使用各种方法增强了数据的质量以及进行筛选，最终排名分别为第四和第五。

    Oct, 2022

  • 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

  • 低声：带差分隐私保证的联邦语音识别

    该研究提供了一种在多个组织之间学习机器学习模型，并提供数学保证限制隐私损失的潜在解决方案，采用联邦学习方法和差分隐私技术构建，并应用于 senone 分类原型，演示了模型随着私有数据的添加而改进，同时尊重隐私。

    Jul, 2022

  • 基于深度学习的音频伪造检测网络的泛化

    利用小波包和短時傅里叶變換等技術，用于波形数据处理，實現了更輕量級的檢測器，用于對抗利用生成式神經網絡制造的合成語音的詐騙行為，對新型 Avocado 和 BigVGAN 網絡的檢測效果更佳。

    May, 2023