Augmentation through Laundering Attacks for Audio Spoof Detection
本文面向 ASVspoof 5 挑战赛，提出利用洗白攻击进行数据增强来训练音频欺骗检测系统，并评估其在多样声学与编解码器条件下的攻击检测表现。
2024-10-01 cs.AI cs.SD eess.AS
Novel Speech Features for Improved Detection of Spoofing Attacks
Indian Institute of Technology（印度理工学院）
如今，基于语音的生物识别系统（如自动说话人验证（ASV））非常容易受到冒名顶替的欺骗攻击。随着近年来各种语音转换（VC）和语音合成（SS）算法的发展，这些欺骗攻击可能对当前最先进的ASV系统构成严重的潜在威胁。为了阻止这种攻击并增强ASV系统的安全性，开发有效的反欺骗算法是必不可少的，该算法可以将合成或转换的语音与自然或人类语音区分开。在本文中，我们提出了一套新的语音特征检测欺骗攻击。建议的功能计算使用替代频率弯曲技术和共振峰特定的块变换的滤波器组日志能量。我们已经对ASVspoof 2015语料库中的几种合成语音数据评估了现有和拟议的功能。实验结果表明，本文提出的方法在各种欺骗攻击检测任务中的性能优于现有方法。本文研究的技术也可以准确地分类自然和合成语音的平等出错率（EER）为0%已经实现。
2016-03-14 cs.CR cs.SD
ASVspoof 2021: Automatic Speaker Verification Spoofing and Countermeasures Challenge Evaluation Plan
ASVspoof consortium（ASVspoof联盟）
自动说话人验证欺骗和对策（ASVspoof）挑战系列是一项由社区主导的倡议，旨在促进对欺骗的考虑和对策的制定。ASVspoof 2021是一系列两年一次的竞争性挑战中的第四个，其目标是制定能够区分真实和欺骗或深度伪造语音的对策。本文档提供了ASVspoof 2021挑战赛的技术描述，包括培训、开发和评估数据、指标、基线、评估规则、提交程序和时间表的详细信息。
2021-09-01 cs.CR cs.LG cs.SD
Generalizable Audio Deepfake Detection via Latent Space Refinement and Augmentation
Shanghai Jiao Tong University（上海交通大学）；Ant Group（蚂蚁集团）
针对深度伪造语音检测泛化难的问题，提出结合潜在空间精炼与增强的方法，在多个数据集上达到或超越现有最佳性能。
2025-01-24 cs.SD eess.AS
ASVspoof 2019: Future Horizons in Spoofed and Fake Audio Detection
EURECOM（欧洲通信研究院）；National Institute of Informatics（国立信息学研究所）；University of Eastern Finland（东芬兰大学）；Inria（法国国家信息与自动化研究所）；University of Edinburgh（爱丁堡大学）；NEC Corp.（日本电气股份有限公司）
ASVspoof现在是第三版，是一系列社区主导的挑战，促进了对抗措施的发展，以保护自动说话人验证（ASV）免受欺骗的威胁。2019年版的进步包括：（i）考虑了逻辑访问（LA）和物理访问（PA）场景以及三种主要形式的欺骗攻击，即合成，转换和重放语音;（ii）使用最先进的神经声学和波形模型生成的欺骗攻击;（iii）改进的，受控的重放攻击模拟;（iv）串联检测代价函数（t-DCF）的使用，其反映了欺骗和对抗措施对ASV可靠性的影响。即使ASV仍然是核心焦点，在保留等错误率（EER）作为次要指标的同时，ASYspoof也包含了虚假音频检测日益重要的意义。ASVspoof 2019吸引了63个研究团队的参与，其中一半以上的报告系统改进了两种基线欺骗对策的性能。本文描述了2019年的数据库、方案和挑战结果。它还概述了主要的调查结果，展示了在防范欺骗和虚假音频威胁方面取得的实际进展。
2019-04-14 cs.CR cs.SD eess.AS
Can we steal your vocal identity from the Internet?: Initial investigation of cloning Obama's voice using GAN, WaveNet and low-quality found data
National Institute of Informatics（国立信息学研究所）；University of Edinburgh（爱丁堡大学）；University of Eastern Finland（东芬兰大学）
由于欺骗数据库的可用性不断增加，以及使用这些数据库的快速发展，用于检测语音欺骗攻击的系统变得越来越强大，ASVspoof2015数据库的错误率接近于零。然而，ASVspoof2015数据库中没有考虑的语音合成和语音转换范例正在出现。这样的例子包括直接波形建模和生成对抗网络。我们还需要研究仅使用低质量发现数据训练欺骗系统的可行性。为此，我们开发了一个基于生成对抗网络的语音增强系统，该系统可以提高公开来源中语音数据的质量。使用增强的数据，我们训练了最先进的文本到语音和语音转换模型，并在感知语音质量和说话人相似性方面对其进行了评估。结果表明，增强模型显着提高了SNR的低质量退化的数据中发现的公开来源，他们显着提高了源语音的感知清洁度，而不会显着降低语音的自然度。然而，当用低质量的发现数据生成语音时，结果也显示出局限性。
2018-03-02 cs.CL cs.SD eess.AS
Voice Spoofing Countermeasures: Taxonomy, State-of-the-art, experimental analysis of generalizability, open challenges, and the way forward
Oakland University（奥克兰大学）
恶意行为者可能会试图使用不同的语音欺骗攻击来欺骗ASV系统，甚至利用它们来传播错误信息。已经提出了各种对策来检测这些欺骗攻击。由于在过去的6-7年里，在自动说话人确认（ASV）系统中的欺骗检测方面做了大量的工作，有必要对研究进行分类，并对最先进的对策进行定性和定量的比较。此外，没有现有的调查报告审查了语音欺骗评估和说话人验证的集成解决方案，对抗/反取证攻击欺骗对策，以及ASV本身，或使用单一模型检测多种攻击的统一解决方案。此外，还没有做任何工作来提供一个苹果到苹果的比较公布的对策，以评估其普遍性，通过评估他们跨语料库。在这项工作中，我们对使用手工制作的功能，深度学习，端到端和通用欺骗对策解决方案来检测语音合成（SS），语音转换（VC）和重放攻击的欺骗检测文献进行了回顾。此外，我们还审查了语音欺骗评估和说话人验证，对抗性和反取证攻击的语音对策，以及ASV的综合解决方案。现有的电子欺骗对抗的局限性和挑战。我们报告了这些对策在几个数据集上的性能，并在语料库中对其进行了评估。在实验中，我们使用ASVspoof 2019和VSDC数据集以及GMM、SVM、CNN和CNN-GRU分类器。(For测试结果的复制，测试床的代码可以在我们的GitHub仓库中找到。
2022-11-21 cs.CY cs.SD eess.AS
Can large-scale vocoded spoofed data improve speech spoofing countermeasure with a self-supervised front end?
National Institute of Informatics（国立情报学研究所）
本研究利用多个神经声码器生成超9000小时声码数据，持续训练自监督前端并蒸馏融合，显著提升语音伪造检测在多个未见测试集上的性能。
2023-12-28 cs.SD eess.AS
Synthetic Voice Spoofing Detection Based On Online Hard Example Mining
自动说话人验证欺骗（ASVspoof）挑战系列对于提高欺骗考虑和对策增长至关重要。尽管最近的ASVspoof 2019验证结果表明，该模型具有识别大多数攻击的显著能力，但对某些攻击的识别效果仍然很差。提出了一种检测未知语音欺骗攻击的在线硬样本挖掘算法。OHEM用于克服数据集中简单样本和硬样本之间的不平衡。所呈现的系统在ASVspoof 2019 Challenge逻辑访问场景的评估集上提供了0.77%的相等出错率（EER）。
2022-09-26 cs.SD eess.AS
Synthetic speech detection using meta-learning with prototypical loss
TCS Research（塔塔咨询服务公司研究院）
目前的语音欺骗对抗研究还缺乏对不可见欺骗攻击的泛化能力。这是ASVspoof挑战的关键问题之一，特别是随着多样化和高质量欺骗算法的快速发展。在这项工作中，我们通过提出元学习范式下的原型损失来模拟训练过程中看不见的测试场景，从而解决欺骗检测的普遍性。具有度量学习目标的原型损失可以直接学习嵌入空间，并成为主流分类损失函数的强有力的替代方案。提出了一种基于挤压激励残差网络（SE-ResNet）的原型丢失反欺骗系统。我们证明，在没有任何数据增强的情况下，所提出的单个系统可以在ASVspoof 2019逻辑访问（LA）任务上实现与最近最好的反欺骗系统竞争的性能。此外，具有数据增强功能的拟议系统在LA任务的进度和评估阶段都优于ASVspoof 2021挑战最佳基线。在ASVspoof 2019和2021评估集LA场景中，与挑战最佳基线相比，我们分别实现了min-tDCF的相对68.4%和3.6%的改善。
2022-01-24 cs.CR cs.SD eess.AS
Replay attack detection with complementary high-resolution information using end-to-end DNN for the ASVspoof 2019 Challenge
University of Seoul（首尔大学）
在这项研究中，我们专注于使用互补的高分辨率频谱图，用端到端DNN代替手工提取声学特征的过程。由于音频设备的进步，基于传统知识的重放语音的典型特性在未知重放配置中改变或减少。因此，利用传统的基于知识的方法来检测欺骗语音变得越来越困难。为了检测重放语音中未显示的特征，我们直接将频谱图输入到端到端DNN中，而无需基于知识的干预。本研究中处理的探索与现有的基于频谱的系统有两个区别：互补信息和高分辨率。不同的信息的频谱图进行了探讨，它表明，额外的信息，如相位信息可以是互补的。高分辨率频谱图的假设，真实的和重放的语音之间的差异存在的细节。此外，为了验证其他特征是否与频谱图互补，我们还检查了原始波形和基于i向量的系统。在ASVspoof 2019物理访问挑战赛上进行的实验显示了令人鼓舞的结果，其中t-DCF和等错误率分别为0.0570和2.45%。
2019-07-17 cs.CR cs.SD eess.AS
Dataset artefacts in anti-spoofing systems: a case study on the ASVspoof 2017 benchmark
Queen Mary University of London（伦敦玛丽女王大学）；KTH Royal Institute of Technology（瑞典皇家理工学院）
自动说话人验证欺骗和对策的挑战激励研究在保护语音生物识别系统免受各种不同的访问攻击。2017年版的重点是重放欺骗攻击，参与者在提供的数据集上构建和训练系统（ASVspoof 2017）。到目前为止，已经发表了60多篇关于该数据集的研究论文，但没有一篇试图回答为什么对策在检测欺骗攻击方面取得了成功。本文展示了数据集固有的人工制品如何有助于已发布系统的明显成功。我们首先检查ASVspoof 2017数据集，并总结数据集中存在的各种伪影。其次，我们展示了如何对策模型可以利用这些文物出现在这个数据集的成功。第三，为了在这个数据集上进行可靠和鲁棒的性能估计，我们建议在训练和推理过程中丢弃非语音段和语音发声前后的沉默。我们在数据集中创建语音开始和端点注释，并演示如何使用它们帮助对策模型变得不那么容易受到使用数据集中发现的伪影进行操纵。最后，我们为帧级和话语级模型提供了几个新的基准测试结果，这些结果可以作为该数据集的新基线。
2020-10-15 cs.SD eess.AS
Spoofing-Robust Speaker Verification Using Parallel Embedding Fusion: BTU Speech Group's Approach for ASVspoof5 Challenge
BTU Speech Group（BTU语音组）
BTU语音组针对ASVspoof5挑战赛提出基于并行嵌入融合的抗欺骗说话人验证系统，通过并行双DNN处理多模型融合的嵌入与分数，结合a-DCF和BCE损失优化，性能优于传统单DNN方法，提升了系统抗欺骗的鲁棒性与安全性。
2024-08-28 cs.SD eess.AS
A Spoofing Benchmark for the 2018 Voice Conversion Challenge: Leveraging from Spoofing Countermeasures for Speech Artifact Assessment
University of Eastern Finland（东芬兰大学）；National Institute of Informatics（国立信息学研究所）；University of Edinburgh（爱丁堡大学）；Nagoya University（名古屋大学）；University of Tokyo（东京大学）；ObEN（ObEN公司）；University of Science and Technology of China（中国科学技术大学）
语音转换的目的是在不改变说话人语音内容的前提下，实现说话人特征的转换。由于训练数据的限制和建模的不完善，很难在不引入处理伪像的情况下实现可信的说话人模仿;因此，VC的性能评估通常涉及说话人相似性和人类小组的质量评估。作为一个耗时、昂贵且不可复制的过程，它阻碍了新VC技术的快速原型制作。我们使用另一种客观的方法来解决伪影评估问题，该方法利用了自动说话人验证的欺骗对策（CM）的先前工作。其中，CM用于拒绝“假”输入，如重放，合成或转换的语音，但其自动语音伪影评估的潜力仍然未知。本研究旨在填补这一空白。作为对2018年语音转换挑战赛（VCC'18）数据主观结果的补充，我们配置了一个标准的恒定Q倒谱系数CM来量化处理伪影的程度。等错误率（EER）的CM，VC样本与真正的人类语音的混淆性指数，作为我们的人工测量。识别了VCC'18条目的两个集群：具有可检测伪影的低质量条目（低EER）和具有较少伪影的较高质量条目。然而，VCC'18系统中没有一个是完美的：所有EER都<30%（“理想”值为50%）。我们的初步研究结果表明，CM在其原始应用程序之外的潜力，作为一种补充优化和基准测试工具，以提高VC技术。
2018-09-04 cs.CL cs.SD eess.AS
ASVspoof2019 vs. ASVspoof5: Assessment and Comparison
本文对比 ASVspoof2019 与 ASVspoof5 数据库，通过定性和定量分析揭示 ASVspoof5 在真实与欺骗语音统计上的双重不匹配及其更高难度。
2025-05-24 eess.AS
The PartialSpoof Database and Countermeasures for the Detection of Short Fake Speech Segments Embedded in an Utterance
National Institute of Informatics（国立信息学研究所）；EURECOM（欧洲通信学院）
自动说话人确认容易受到各种操纵和欺骗，如文本到语音合成，语音转换，重放，篡改，对抗性攻击，等等。我们考虑一种新的欺骗场景称为“部分欺骗”（PS），合成或转换的语音片段嵌入到一个真正的话语。虽然现有的对策（CM）可以检测完全欺骗的话语，有必要为他们的适应或扩展到PS的情况。我们提出了各种改进，以构建一个更准确的CM，可以检测和定位短生成的欺骗语音段在更精细的时间分辨率。首先，我们引入新开发的自监督预训练模型作为增强的特征提取器。其次，我们扩展我们的PartialSpoof数据库添加段标签的各种时间分辨率。由于短欺骗的语音段被嵌入攻击者是可变长度的，六个不同的时间分辨率被认为是，从短至20毫秒到大至640毫秒。第三，我们提出了一个新的CM，使在不同的时间分辨率，以及话语级标签的段级标签的同时使用执行话语和段级检测在同一时间。我们还表明，建议的CM是能够检测欺骗在话语水平与低错误率在PS的情况下，以及在相关的逻辑访问（LA）的情况下。PartialSpoof数据库和ASVspoof 2019 LA数据库上的话语级检测的等错误率分别为0.77%和0.90%。
2023-01-30 cs.CR cs.SD eess.AS
ASSERT: Anti-Spoofing with Squeeze-Excitation and Residual neTworks
Johns Hopkins University（约翰斯·霍普金斯大学）
我们将JHU的系统提交给ASVspoof 2019挑战赛：使用挤压激励和剩余网络的反欺骗（ASSERT）。自ASVspoof Challenges成立以来，反欺骗受到越来越多的关注，ASVspoof 2019致力于解决所有三种主要类型的攻击：文本到语音，语音转换和重放。ASSERT建立在深度神经网络（DNN）的研究工作基础上，是基于DNN的反欺骗方法的管道。ASSERT有四个组成部分：特征工程、DNN模型、网络优化和系统组合，其中DNN模型是挤压激励和残差网络的变体。我们在ASVspoof 2019语料库上对每个组件的有效性进行了消融研究，实验结果表明，ASSERT在ASVspoof 2019的两个子挑战中获得了超过93%和17%的相对改进，将ASSERT列为表现最好的系统之一。代码和预训练模型将公开提供。
2019-04-01 cs.CL cs.LG cs.SD
Generalization of Spoofing Countermeasures: a Case Study with ASVspoof 2015 and BTAS 2016 Corpora
基于语音的生物识别系统非常容易受到欺骗攻击。近来，已经开发了各种对策来检测不同种类的攻击，诸如重放、语音合成（SS）和语音转换（VC）。大多数现有研究都是使用评价方案定义的特定训练集进行的。然而，对于实际场景，选择适当的训练数据对于系统管理员来说是一个公开的挑战。出于这种实际的关注，这项工作研究的泛化能力的欺骗对策在有限的训练条件下，从广泛的攻击类型的语音被排除在训练数据库。我们证明，不同的欺骗类型有相当不同的泛化能力。在这项研究中，我们分析了性能使用两种功能，梅尔频率倒谱系数（MFCC）被认为是基线和最近提出的常数Q倒谱系数（CQCCs）。实验使用标准高斯混合模型-最大似然（GMM-ML）分类器在两个最近发布的欺骗语料库上进行：ASVspoof 2015和BTAS 2016，包括跨语料库性能分析。分析表明，静态和动态系数的频谱特征，都是重要的检测欺骗攻击在现实生活中的条件。
2019-01-23 cs.MM eess.AS
Spoofing Attack Detection using the Non-linear Fusion of Sub-band Classifiers
EURECOM（欧洲通信与无线电通信研究院）
欺骗的威胁可能会对自动说话人验证的可靠性造成风险。两年一次的ASVspoof评估结果表明，有效的对策需要专门为检测欺骗伪品而设计的前端。鉴于欺骗攻击的多样性，集成方法特别有效。本文中的工作表明，一组非常简单的分类器，每个分类器都有一个前端，用于检测不同的欺骗攻击，并通过非线性融合在分数水平上进行组合，可以提供比依赖于复杂神经网络架构的更复杂的集成解决方案更优越的性能。我们相对简单的方法优于提交给最近ASVspoof 2019挑战的逻辑访问条件的48个系统中的所有系统，但只有2个。
2020-05-20 cs.SD eess.AS
Robust Spoofed Speech Detection via Temporal Pyramid Modeling
Lane Department of Computer Science and Electrical Engineering, West Virginia University（西弗吉尼亚大学莱恩计算机科学与电气工程系）；Bellini College of Artificial Intelligence, Cybersecurity and Computing, University of South Florida（南佛罗里达大学贝利尼人工智能、网络安全与计算学院）
提出时间金字塔适配器，通过多尺度时间卷积捕获局部伪影和全局韵律异常，结合自监督XLS-R表示，在多个数据集上显著优于基线模型。
2026-06-16 cs.AI cs.CV cs.SD
USTC-KXDIGIT System Description for ASVspoof5 Challenge
USTC（中国科学技术大学）
本文提出 USTC-KXDIGIT 系统，通过嵌入工程、数据增强、语音转换和多系统分数融合，在 ASVspoof5 语音深度伪造检测与 SASV 任务中取得优异性能。
2024-09-03 cs.AI cs.SD eess.AS
Subband modeling for spoofing detection in automatic speaker verification
频谱图-音频信号的时间-频率表示-已在基于神经网络的欺骗检测中得到广泛使用。虽然深度模型是在信号的全频带频谱上训练的，但我们认为并非所有频段都对这些任务有用。在本文中，我们系统地研究了不同子带的影响及其在两个基准数据集上对重放欺骗检测的重要性：ASVspoof 2017 v2.0和ASVspoof 2019 PA。我们提出了一个联合子带建模框架，采用n个不同的子网络来学习子带特定的功能。然后将这些组合并传递给分类器，并在训练期间更新整个网络权重。我们对ASVspoof 2017数据集的研究结果表明，最具鉴别力的信息似乎位于第一个和最后一个1 kHz频段，在这两个子带上训练的联合模型显示出最佳性能，远远优于基线。然而，这些发现并不能概括ASVspoof 2019 PA数据集。这表明可用于训练这些模型的数据集并不反映真实世界的重放条件，这表明需要仔细设计用于训练重放欺骗对策的数据集。
2020-04-04 eess.AS
BUT Systems and Analyses for the ASVspoof 5 Challenge
BUT（布尔诺理工大学）
本文介绍BUT团队参与ASVspoof 5挑战赛的系统，针对深度伪造检测采用不同模型并分析标签组合，针对SASV引入先验并提出逻辑回归联合训练方法以优化性能。
2024-08-20 cs.SD eess.AS
A Study On Convolutional Neural Network Based End-To-End Replay Anti-Spoofing
Queen Mary University of London（伦敦玛丽女王大学）
第二届自动扬声器验证欺骗和对策挑战赛（ASVspoof 2017）专注于“重放攻击”检测。在ASVspoof 2017中竞争的最佳深度学习系统使用卷积神经网络（CNN）作为特征提取器。在本文中，我们研究了它们在端到端环境中的性能。我们发现这些架构在评估数据集中表现出较差的泛化能力，但在开发数据上发现了一个紧凑的架构，表现出良好的泛化能力。我们证明，对于这个数据集，它是不容易获得一个类似的发展和评估数据的泛化水平。这导致了各种悬而未决的问题，比如数据中的差异是什么;为什么这些差异在端到端环境中更明显;以及如何通过增加训练数据来克服这些问题。
2018-05-22 cs.SD eess.AS
t-DCF: a Detection Cost Function for the Tandem Assessment of Spoofing Countermeasures and Automatic Speaker Verification
University of Eastern Finland（东芬兰大学）；NEC Corporation（日本电气股份有限公司）；EURECOM（欧洲通信学院）；Inria（法国国家信息与自动化研究所）；National Institute of Informatics（国立信息学研究所）；University of Edinburgh（爱丁堡大学）；MIT（麻省理工学院）
ASVspoof挑战赛系列的诞生是为了引领自动说话人验证（ASV）的反欺骗研究。2015年和2017年的两个挑战版本涉及使用等错误率（EER）指标评估与ASV隔离的欺骗对策（CM）。虽然在当时是一种战略性的评估方法，但它有某些缺点。首先，当ASV和CM组合时，CM EER不一定是性能的可靠预测器。其次，EER操作点不适合用户认证应用，例如电话银行，其特征在于高目标用户先验但低欺骗攻击先验。我们的目标是迁移到一个新的串联检测代价函数（t-DCF）度量的帮助下，从CM-ASV为中心的评估。它将ASV研究中使用的传统DCF扩展到涉及欺骗攻击的场景。t-DCF度量有6个参数：（i）两个系统的虚警和未命中成本，以及（ii）目标和欺骗试验的先验概率（具有隐含的第三个非目标先验）。这项研究旨在作为一个独立的，辅导式的介绍。我们使用t-DCF分析了2015年和2017年版本ASVspoof的精选表现最佳的CM提交，重点关注之前的欺骗攻击。而有很少的选择之间的对策系统较低的先验，系统排名与EER和t-DCF显示较高的先验差异。我们观察到一些排名变化。调查结果支持采用DCF为基础的指标到未来ASVspoof挑战的路线图，并可能为其他生物识别反欺骗评估。
2019-04-11 cs.CR cs.SD eess.AS
Collaborative Watermarking for Adversarial Speech Synthesis
Aalto University（阿尔托大学）；National Institute of Informatics（国立情报学研究所）
本文提出用于合成语音水印的协作训练方案，使HiFi-GAN声码器与ASVspoof 2021基线模型协作，在保持感知质量的同时提升检测性能与鲁棒性。
2024-01-02 cs.AI cs.LG cs.SD
ASVspoof 5: Design, Collection and Validation of Resources for Spoofing, Deepfake, and Adversarial Attack Detection Using Crowdsourced Speech
ASVspoof 5 挑战赛推出众包语音数据库，涵盖约2000名说话人、32种攻击算法及首次引入的对抗攻击，并验证了基线检测器性能，资源现已公开。
2025-04-24 eess.AS
End-to-end anti-spoofing with RawNet2
欺骗对抗措施旨在保护说话人自动确认系统免受利用欺骗语音信号操纵其可靠性的企图。虽然最近的ASVspoof 2019评估结果显示，检测大多数形式的攻击具有很大的潜力，但仍有一些攻击继续逃避检测。本文报道了RawNet2在反欺骗中的首次应用。RawNet2摄取原始音频，并有可能学习使用更传统的对策解决方案无法检测到的线索。我们描述了对原始RawNet2架构的修改，以便它可以应用于反欺骗。对于A17攻击，我们的RawNet2系统结果是第二好的报告，而RawNet2和基线对策的融合给出了完整ASVspoof 2019逻辑访问条件的第二好结果。我们的结果是可重复的开源软件。
2021-12-16 eess.AS
ASVspoof 5: Crowdsourced Speech Data, Deepfakes, and Adversarial Attacks at Scale
ASVspoof 5语音欺骗检测挑战赛基于众包大规模语音与攻击数据，首次纳入对抗攻击，新增抗欺骗说话人验证等评估指标，结果显示攻击显著削弱基线，参赛方案带来大幅性能提升。
2024-08-16 cs.AI cs.SD eess.AS
Multi-task Learning Based Spoofing-Robust Automatic Speaker Verification System
The University of Western Australia（西澳大学）
通过生成人工语音而构成的欺骗攻击会严重降低说话人确认系统的性能。最近，许多反欺骗对策已被提出用于检测从合成语音到重放演示的各种类型的攻击。虽然有许多关于独立反欺骗解决方案的有效防御报告，但扬声器验证和欺骗检测系统的集成具有明显的优势。在本文中，我们提出了一个欺骗鲁棒的自动说话人确认（SR-ASV）系统的多种攻击的基础上的多任务学习架构。这个基于深度学习的模型与来自话语的时频表示联合训练，以同时为两个任务提供识别决策。与ASVspoof 2017和2019语料库上的其他最先进的系统相比，可以在不同的欺骗条件下获得组合系统的实质性改进。
2020-12-06 cs.CR cs.SD eess.AS
Spoofing-Aware Speaker Verification with Unsupervised Domain Adaptation
University of Eastern Finland（东芬兰大学）；CNRS（法国国家科学研究中心）；Inria（法国国家信息与自动化研究所）；LORIA（洛林计算机科学与应用数学实验室）
在本文中，我们开始关注提高欺骗鲁棒性的自动说话人确认（ASV）系统，没有一个单独的对策模块的主要存在。我们从ASVspoof 2019基线的标准ASV框架开始，并基于概率线性判别分析从后端分类器解决问题。我们采用三种无监督领域自适应技术，使用ASVspoof 2019数据集的训练分区中的音频数据来优化后端。我们在逻辑和物理访问场景上都表现出显着的改进，特别是在后者系统受到重放音频攻击的情况下，善意和欺骗情况下的最大相对改进分别为36.1%和5.3%。我们进行额外的研究，如每攻击故障分析，数据组合，并与对策系统集成在分数级与高斯后端。
2022-04-26 cs.AI cs.SD eess.AS
The DKU Replay Detection System for the ASVspoof 2019 Challenge: On Data Augmentation, Feature Representation, Classification, and Fusion
Huawei Digital Technologies Co., Ltd（华为数字技术有限公司）
本文介绍了我们的DKU重播检测系统的ASVspoof 2019挑战。目的是在物理访问场景中开发用于自动说话人识别的欺骗对策。我们从四个方面利用对策系统管道，包括数据增强，特征表示，分类和融合。首先，我们介绍一个用于反欺骗的话语级深度学习框架。它接收可变长度的特征序列，并直接输出话语级分数。基于该框架，我们尝试了从幅度谱或相位谱中提取的各种输入特征表示。此外，我们也执行的数据增强策略，通过施加速度扰动的原始波形。我们的最佳单系统采用了一个由速度扰动群时延图训练的残差神经网络，在开发集上的EER为1.04%，在评估集上的EER为1.08%。最后，使用几个单一系统的简单平均分数可以进一步提高性能。我们的主系统在开发集和评估集上获得了0.24%的EER和0.66%的EER。
2019-07-05 cs.CR cs.LG cs.MM
Amplifying Artifacts with Speech Enhancement in Voice Anti-spoofing
Department of Computer Engineering, Faculty of Engineering（计算机工程系，工程学院）；University of Southern California（南加州大学）
本研究针对语音反欺骗中伪造痕迹隐蔽的问题，提出含加噪、提取、放大三步的模型无关流程，利用语音增强放大伪造痕迹，兼容多种模型，在ASVspoof2019和2021基准上显著提升检测性能。
2025-06-13 cs.SD eess.AS
Frame-to-Utterance Convergence: A Spectra-Temporal Approach for Unified Spoofing Detection
Oakland University（奥克兰大学）；IMEC（比利时微电子研究中心）
本文提出一种帧级与话语级融合的频谱-时间方法，通过局部频谱偏差系数、双向LSTM序列时间系数及自编码器生成偏差系数，统一检测合成、重放和部分深度伪造等多种语音欺骗攻击，并在多个数据集上验证了鲁棒性。
2023-09-18 cs.CY cs.SD eess.AS
Adversarial Attacks on Spoofing Countermeasures of automatic speaker verification
The Chinese University of Hong Kong（香港中文大学）；National Taiwan University（国立台湾大学）
ASVspoof 2019挑战赛中提出了用于自动说话人验证（ASV）的高性能欺骗对抗系统。然而，这种系统在对抗性攻击下的鲁棒性尚未得到研究。在本文中，我们研究了在白盒和黑盒对抗性攻击下ASV欺骗对策的脆弱性与快速梯度符号方法（FGSM）和投影梯度下降（PGD）方法。我们在ASVspoof 2019挑战赛中实施了高性能的对策模型，并对其进行对抗性攻击。我们比较了不同网络架构和不同数量的模型参数的欺骗对策模型的黑盒攻击的性能。实验结果表明，在白盒攻击场景下，所有实现的对策模型都容易受到FGSM和PGD攻击。实验结果也证明了更危险的黑盒攻击是有效的。
2019-10-19 cs.CL eess.AS
Easy, Interpretable, Effective: openSMILE for voice deepfake detection
Politehnica Bucharest（布加勒斯特理工大学）；Fraunhofer AISEC（弗劳恩霍夫AISEC研究院）
本文利用 openSMILE 提取的简单可解释标量特征，在 ASVspoof5 数据集上实现低至 0.8% 的 EER，并发现特征在相似 TTS 架构的攻击间可迁移，表明语音反欺骗部分可归结为识别 TTS 系统指纹。
2024-08-29 cs.AI cs.SD eess.AS
XMUspeech Systems for the ASVspoof 5 Challenge
School of Electronic Science and Engineering（电子科学与工程学院）；Institute of Artificial Intelligence（人工智能研究院）；School of Informatics（信息学院）
本文提出 XMUspeech 系统参加 ASVspoof 5 语音深度伪造检测挑战，通过调整输入音频长度、训练自监督特征提取器并结合自适应多尺度特征融合方法，在开放条件下将 EER 降至 9.36%。
2025-09-05 cs.SD eess.AS
Anti-Spoofing Using Transfer Learning with Variational Information Bottleneck
KAIST（韩国科学技术院）
由文语转换（TTS）或语音转换（VC）系统生成的复杂合成语音的最新进展对现有的自动说话人确认（ASV）系统造成了威胁。由于这种合成语音是由不同的算法产生的，因此使用有限的训练数据的泛化能力对于鲁棒的反欺骗系统是必不可少的。在这项工作中，我们提出了一个迁移学习计划的基础上wav2vec 2.0预训练模型与变分信息瓶颈（VIB）的语音反欺骗任务。对ASVspoof 2019逻辑访问（LA）数据库的评估表明，我们的方法提高了区分看不见的欺骗和真实语音的性能，优于当前最先进的反欺骗系统。此外，我们还表明，该系统在反欺骗任务的低资源和跨数据集设置中显着提高了性能，表明我们的系统在数据大小和数据分布方面也是鲁棒的。
2022-12-14 cs.CR cs.LG cs.SD
Investigating self-supervised front ends for speech spoofing countermeasures
National Institute of Informatics（国立信息学研究所）
自监督语音模型是一个快速发展的研究课题，许多预训练模型已经发布并用于各种下游任务。对于语音反欺骗，大多数对抗（CM）使用信号处理算法来提取声学特征用于分类。在这项研究中，我们使用预训练的自监督语音模型作为欺骗CM的前端。我们研究了与自监督前端相结合的不同后端架构，微调前端的有效性以及使用不同预训练自监督模型的性能。我们的研究结果表明，当一个良好的预训练前端在ASVspoof 2019逻辑访问（LA）训练集上使用基于浅层或深层神经网络的后端进行微调时，所产生的CM不仅在2019 LA测试集上获得了较低的EER分数，而且在ASVspoof 2015，2021 LA和2021 deepfake测试集上的表现明显优于基线。子带分析进一步表明，CM主要使用特定频段中的信息来区分测试集中的真实和欺骗性试验。
2022-02-04 cs.SD eess.AS
ASVspoof 2021: accelerating progress in spoofed and deepfake speech detection
ASVspoof 2021是一年两次的挑战系列中的第四版，旨在促进欺骗的研究和对策的设计，以保护自动说话人验证系统免受操纵。除了继续关注逻辑和物理访问任务（与以前的版本相比有许多进步）之外，ASVspoof 2021还引入了一项涉及深度伪造语音检测的新任务。本文介绍了所有三项任务、每项任务的新数据库、评估指标、四个挑战基线、评估平台和挑战结果摘要。尽管引入了通道和压缩可变性，这增加了难度，但逻辑访问和deepfake任务的结果与之前的ASVspoof版本接近。物理访问任务的结果表明，在真实的，可变的物理空间中检测攻击的难度。ASVspoof 2021是第一个版本，参与者没有提供任何匹配的培训或开发数据，这反映了欺骗和深度伪造语音的性质永远无法自信地预测的真实情况，结果非常令人鼓舞，并展示了近年来在该领域取得的实质性进展。
2021-09-01 cs.CR cs.LG cs.SD
One-Class Knowledge Distillation for Spoofing Speech Detection
University of Chinese Academy of Sciences（中国科学院大学）
针对未见算法生成的欺骗语音检测泛化能力不足的问题，本文引入师生框架指导单类模型训练，提出单类知识蒸馏方法，在ASVspoof 21DF和InTheWild数据集上优于现有方法，展现出卓越的泛化能力。
2023-09-15 cs.SD eess.AS
RawTFNet: A Lightweight CNN Architecture for Speech Anti-spoofing
The University of Melbourne, Australia（墨尔本大学）；Fortemedia Singapore, Singapore（新加坡Fortemedia）
针对基于transformer的反欺骗模型计算成本高的问题，提出轻量级CNN架构RawTFNet，通过沿时频维度分离特征处理捕捉合成语音细节，在ASVspoof 2021数据集上以更少资源达到与SOTA模型相当的性能。
2025-07-11 cs.SD eess.AS
Estimating the confidence of speech spoofing countermeasure
National Institute of Informatics（国立信息学研究所）
传统的语音欺骗对策（CM）被设计为对输入试验进行二元判定。然而，在闭集数据库上训练的CM理论上不能保证在未知的欺骗攻击上表现良好。在某些情况下，一种替代策略是让CM在不自信时推迟决策。问题是如何估计CM对输入试验的信心。我们研究了几个置信估计，可以很容易地插入到CM。在ASVspoof2019逻辑访问数据库上，结果表明，基于能量的估计器和基于神经网络的估计器在识别测试集中的未知攻击方面取得了可接受的性能。在具有额外未知攻击和来自其他数据库的真实试验的测试集上，置信度估计器表现得相当好，并且CM更好地区分具有高置信度分数的真实和欺骗试验。额外的结果还揭示了通过向训练集添加未知攻击来增强置信度估计的困难。
2022-02-01 cs.CR cs.SD eess.AS
Defense against adversarial attacks on spoofing countermeasures of ASV
National Taiwan University（台湾大学）；The Chinese University of Hong Kong（香港中文大学）
在ASVspoof 2019挑战赛中提出了各种最前沿的自动说话人验证（ASV）对抗方法，这些方法在反欺骗方面具有相当高的性能。然而，以前的工作表明，对策模型容易受到与自然数据无法区分的对抗性示例的影响。一个好的对策模型不仅应该对欺骗音频（包括合成、转换和重放音频）具有鲁棒性，而且还应该抵消恶意对手故意生成的示例。在这项工作中，我们引入了一种被动防御方法，空间平滑，和一种主动防御方法，对抗性训练，以减轻ASV欺骗对策模型对对抗性示例的脆弱性。本文是第一个使用防御方法来提高ASV欺骗对抗模型在对抗性攻击下的鲁棒性。实验结果表明，这两种防御方法对欺骗对抗模型对抗实例有积极的帮助。
2020-03-06 cs.LG cs.SD eess.AS
One-class Learning Towards Synthetic Voice Spoofing Detection
University of Rochester（罗切斯特大学）；Beijing Institute of Technology（北京理工大学）
人的声音可以用来验证说话人的身份，但自动说话人验证（ASV）系统容易受到语音欺骗攻击，如模仿，重放，文本到语音，和语音转换。最近，研究人员开发了反欺骗技术，以提高ASV系统对欺骗攻击的可靠性。然而，大多数方法在实际应用中遇到的困难，检测未知的攻击，往往有不同的统计分布从已知的攻击。特别是，合成语音欺骗算法的快速发展正在产生越来越强大的攻击，使ASV系统面临不可见的攻击风险。在这项工作中，我们提出了一个反欺骗系统来检测未知的合成语音欺骗攻击（即，文本到语音或语音转换）。其核心思想是压缩真实的语音表示，并在嵌入空间中注入一个角度余量来分离欺骗攻击。在不诉诸任何数据增强方法的情况下，我们提出的系统在ASVspoof 2019挑战逻辑访问场景的评估集上实现了2.19%的等错误率（EER），优于所有现有的单一系统（即，没有模型的集合）。
2021-02-09 cs.SD eess.AS
Automatic Speech Verification Spoofing Detection
Carnegie Mellon University（卡内基梅隆大学）
自动语音验证（ASV）是一种基于语音来确定人的身份的技术。在方便身份验证的同时，我们应该以最高的系统安全标准为目标，因为这是有价值的数字资产的保障。考虑到这一点，我们遵循ASVSpoof 2019竞赛的设置，以制定强大而有效的潜在对策。两个指标，EER和t-DCF，将用于系统评估。
2020-12-15 cs.LG eess.AS
Thech. Report: Genuinization of Speech waveform PMF for speaker detection spoofing and countermeasures
Afeka Tel-Aviv Academic College of Engineering（阿菲卡特拉维夫学术工程学院）；Avignon University（阿维尼翁大学）
针对说话人识别欺骗攻击场景，提出语音波形PMF真实化算法，在ASVspoof 2019数据集上验证其可大幅削弱欺骗检测性能，集成到反制系统后则能显著提升检测效果，凸显波形分布的重要性。
2023-10-09 cs.SD eess.AS
Automatic speaker verification spoofing and deepfake detection using wav2vec 2.0 and data augmentation
EURECOM（欧洲电信学院）；National Institute of Informatics（国立信息学研究所）；Naver Corporation（Naver公司）
电子欺骗对抗系统的性能从根本上取决于充分代表性的训练数据的使用。由于这通常是有限的，当前的解决方案通常缺乏对在野外遇到的攻击的概括。因此，需要在面对不受控制、不可预测的攻击时提高可靠性的策略。我们在本文中报告了我们以wav2vec 2.0前端的形式使用自监督学习的努力。尽管仅使用真实数据而不使用伪造数据来学习初始基础表示，但我们获得了ASVspoof 2021 Logical Access和Deepfake数据库文献中报告的最低等错误率。当与数据增强相结合时，这些结果对应于相对于我们的基线系统的近90%的改进。
2022-02-28 cs.SD eess.AS
Generalized Spoofing Detection Inspired from Audio Generation Artifacts
AI Foundation（人工智能基金会）
用于音频生成的现有技术的方法遭受指纹伪像和跨时间域和频谱域的重复不一致。这种伪影可以通过频谱图上的频域分析很好地捕获。因此，我们提出了一种新的使用长距离谱-时间调制特征-在对数梅尔谱图上的2D DCT用于音频deepfake检测。我们表明，这个功能比对数梅尔频谱图，CQCC，MFCC，作为一个合适的候选人来捕捉这样的文物。我们采用频谱增强和特征归一化来减少过拟合，并在引入这种新特征的同时弥合训练数据集和测试数据集之间的差距。我们开发了一个基于CNN的基线，达到了0.0849 t-DCF，并且超过了ASVspoof 2019挑战赛中报告的之前最好的单个系统。最后，通过将我们的基线与我们提出的2D DCT谱时特征相结合，我们将t-DCF得分降低了14%，降至0.0737，使其成为最先进的欺骗检测系统。此外，我们使用两个外部数据集来评估我们的模型，显示了所提出的特征的泛化能力。我们还为我们提出的功能和结果提供了分析和消融研究。
2021-06-26 cs.CR cs.SD eess.AS
Attentive Filtering Networks for Audio Replay Attack Detection
Johns Hopkins University（约翰斯·霍普金斯大学）；University of Edinburgh（爱丁堡大学）；University of Lisbon（里斯本大学）；INESC-ID（葡萄牙系统与计算机工程研究所 - 里斯本分院）；National Institute of Informatics（国立信息学研究所）
攻击者可以使用各种技术来欺骗自动说话者验证系统，使其接受他们为真正的用户。同时，反欺骗方法旨在使系统对此类攻击具有鲁棒性。ASVspoof 2017挑战赛特别关注重放攻击，旨在衡量重放攻击检测的极限，并制定应对措施。在这项工作中，我们提出了我们的重放攻击检测系统- Attentive Filtering Network，它由一个基于注意力的过滤机制和一个基于ResNet的分类器组成，该机制增强了频域和时域的特征表示。我们表明，该网络使我们能够可视化的自动获取的特征表示，这有助于欺骗检测。Attentive Filtering Network在ASVspoof 2017版本2.0数据集上获得了8.99 $\%$的评估EER。通过系统融合，我们的最佳系统比ASVspoof 2017增强型基线系统进一步获得了30 $\%$的相对改进。
2018-10-31 cs.CL cs.SD eess.AS
Interpretable Temporal Class Activation Representation for Audio Spoofing Detection
Toronto Metropolitan University, Canada（多伦多 Metropolitan 大学，加拿大）；Shenzhen Key Laboratory of Ubiquitous Data Enabling, Tsinghua Shenzhen International Graduate School, Tsinghua University, China（深圳 ubiquitous 数据赋能关键实验室，清华大学深圳国际研究生院，清华大学，中国）
提出融合 wav2vec 2.0 与注意力话语级特征的可解释时间类激活表示，并采用欺骗类型多标签训练，在 ASVspoof2019-LA 上达到最先进性能。
2024-06-16 cs.CR cs.SD eess.AS
Spooftral: Can Voxtral Audio-Language Model Detect Speech Spoofing?
Ben-Gurion University of the Negev（内盖夫本-古里安大学）；Afeka the Academic College of Engineering（阿费卡工程学术学院）；Avignon University（阿维尼翁大学）
本研究提出 Spooftral 模型，基于 Voxtral 音频语言模型结合指令引导与 DoRA 适配，在 ASVspoof5 上达到 4.25% 等错误率，验证了 ALM 框架用于语音欺骗检测的可行性。
2026-09-25 cs.CL eess.AS
Audio compression-assisted feature extraction for voice replay attack detection
The Chinese University of Hong Kong, Shenzhen (CUHK-Shenzhen)（香港中文大学（深圳））；Shenzhen Research Institute of Big Data（深圳大数据研究院）；Huawei Technology（华为技术有限公司）；Huawei International（华为国际）
针对语音重放攻击检测，提出利用音频压缩丢失信息提取信道噪声特征的方法，在ASVspoof 2021 PA集上取得22.71%的最低EER。
2023-10-10 cs.SD eess.AS
ConvNeXt Based Neural Network for Audio Anti-Spoofing
South China University of Technology（华南理工大学）
随着语音转换和语音合成算法的迅速发展，说话人自动确认系统面临着欺骗攻击。近年来，研究人员提出了许多基于手工特征的反欺骗方法。然而，使用手工制作的特征而不是原始波形将丢失用于反欺骗的隐式信息。受ConvNeXt在图像分类任务中的良好性能的启发，我们修改了ConvNeXt网络架构，并提出了一个轻量级的端到端反欺骗模型。该模型通过引入通道注意块和焦点损失函数，能够集中于语音表征中信息量最大的子带和难以分类的样本。实验表明，对于ASVSpoof 2019 LA评估数据集，我们提出的系统可以实现0.64%的相等出错率和0.0187的min-tDCF，这优于最先进的系统。
2022-12-22 cs.CL cs.SD eess.AS
