Joint Optimization of Speaker and Spoof Detectors for Spoofing-Robust Automatic Speaker Verification
Bursa Technical University（布尔萨理工大学）；University of Eastern Finland（芬兰东部大学）
本文通过整合说话人和欺骗检测器的输出，提出了一种模块化设计方法，提升了对抗鲁棒性，实验显示非线性分数融合和任务对齐优化能显著降低a-DCF和SPF-EER。
2026-03-30 eess.AS
On the potential of jointly-optimised solutions to spoofing attack detection and automatic speaker verification
欺骗感知说话人验证（SASV）挑战旨在促进联合优化解决方案的研究，以完成传统上分别优化的欺骗检测和说话人验证任务。联合优化的系统有可能协同工作，作为可靠的说话人验证单一任务的更好的解决方案。然而，向SASV 2022提交的23份申请中没有一份是联合优化的。因此，我们试图确定为什么单独优化的子系统表现最好，或者为什么联合优化不成功。本文报道的实验表明，联合优化是成功的，提高鲁棒性欺骗，但它降低了说话人验证性能。研究结果表明，欺骗检测和说话人验证子系统应联合优化的方式，反映了每个子系统提供的信息是如何互补的，由其他的差异。能否取得进展还可能取决于能否从更多的发言者那里收集数据。
2022-10-07 eess.AS
SASV 2022: The First Spoofing-Aware Speaker Verification Challenge
第一个欺骗感知说话人验证（SASV）挑战旨在整合说话人验证和反欺骗的研究工作。我们通过将欺骗试验引入到通常的目标和冒名顶替者试验中来扩展说话人验证方案。与ASVspoof挑战不同，ASVspoof挑战的重点是单独的、独立优化的欺骗检测和说话者验证子系统，SASV的目标是开发集成的、联合优化的解决方案。预先训练的欺骗检测和说话者验证模型作为开源提供，并用于两个基线SASV解决方案。模型和基线都可免费提供给参与者，并可用于开发后端融合方法或端到端解决方案。使用所提供的共同评估协议，23个团队提交了SASV解决方案。当评估与目标，善意的非目标和欺骗的非目标试验，性能最好的系统降低了传统的说话人确认系统的等错误率从23.83%到0.13%。SASV挑战结果证明了当今最先进的欺骗检测和说话人验证方法的可靠性。
2022-03-28 eess.AS
Spoofing Speaker Verification Systems with Deep Multi-speaker Text-to-speech Synthesis
Tsinghua University（清华大学）；University of Rochester（罗切斯特大学）
提出了一种用于欺骗说话人确认系统的深度多说话人文本转语音（TTS）模型。该模型采用一个网络从文本输入合成时间下采样的梅尔频谱图，另一个网络将其转换为线性频谱图，然后使用Griffin-Lim算法将其进一步转换为时域。这两个网络分别在生成对抗网络（GAN）框架下进行训练。在两个最先进的SV系统（i-vectors和Google的GE 2 E）上的欺骗实验表明，所提出的系统可以成功地欺骗这些系统，成功率很高。反欺骗系统上的欺骗实验（即，用于区分真实语音和合成语音的二进制分类器）也显示出当这种反欺骗系统的结构暴露于所提出的TTS系统时的高欺骗成功率。
2019-10-29 cs.SD eess.AS
SAMO: Speaker Attractor Multi-Center One-Class Learning for Voice Anti-Spoofing
Columbia University（哥伦比亚大学）；University of Rochester（罗切斯特大学）
语音反欺骗系统是自动说话人确认系统的重要辅助设备。一个主要的挑战是由先进的语音合成技术所带来的看不见的攻击造成的。我们以前对单类学习的研究通过压缩嵌入空间中的真实语音来提高对不可见攻击的泛化能力。然而，这种紧凑性缺乏对发言者多样性的考虑。在这项工作中，我们提出了扬声器吸引子多中心一类学习（SAMO），它将真实的语音聚集在一些扬声器吸引子周围，并在高维嵌入空间中将欺骗攻击从所有吸引子中推开。对于训练，我们提出了一个算法的共同优化的善意的语音聚类和善意/欺骗分类。对于推理，我们提出了策略，使反欺骗扬声器没有登记。我们提出的系统优于现有的最先进的单一系统，在ASVspoof 2019 LA评估集上的等错误率（EER）相对提高了38%。
2022-11-04 cs.LG cs.SD eess.AS
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
Can spoofing countermeasure and speaker verification systems be jointly optimised?
本研究针对SASV任务中CM与ASV子系统独立训练的问题，通过少量新说话人辅助数据开展联合优化，虽降低子系统独立性能但提升互补性，在标准评测下等错误率相对降低27%。
2023-12-20 eess.AS
Replay Spoofing Countermeasure Using Autoencoder and Siamese Network on ASVspoof 2019 Challenge
Sharif University of Technology（谢里夫理工大学）
自动说话人验证（ASV）是基于呈现给系统的语音来识别人的过程。不同的合成方法允许欺骗来欺骗ASV系统（ASV），无论是使用技术来模仿声音还是重构特征。攻击者试图使用四种常用技术来击败ASV：模仿、语音合成、语音转换和重放。最后一种技术被认为是一种常见的和高潜力的欺骗工具，因为重放攻击更容易获得，不需要对手的技术知识。在这项研究中，我们介绍了一种新的重放欺骗对策ASV。因此，我们使用恒定Q倒谱系数（CQCC）的功能馈入一个自动编码器，以获得更多的信息功能，并考虑噪声信息的欺骗话语的歧视目的。最后，不同配置的暹罗网络首次在这方面的分类。使用等错误率（EER）和串联检测代价函数（t-DCF）作为评估指标在ASVspoof挑战2019数据集上进行的实验表明，所提出的系统在EER和t-DCF方面分别将结果提高了10.73%和0.2344。
2019-10-29 cs.SD eess.AS
Bayesian Learning for Domain-Invariant Speaker Verification and Anti-Spoofing
针对ASV与反欺骗中的域失配问题，提出用变分推断建模频率权重后验的贝叶斯加权RFN，并在多项跨域任务中验证其显著优于WRFN和RFN。
2025-06-09 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
The Vicomtech Spoofing-Aware Biometric System for the SASV Challenge
本文介绍了我们提出的集成系统的欺骗意识说话人验证的挑战。它由一个强大的欺骗感知验证系统，使用说话人验证和反欺骗嵌入提取从专门的神经网络。首先，一个集成网络，馈与测试话语的说话人验证和欺骗嵌入，用于计算基于欺骗的分数。然后将该分数与来自登记和测试话语的说话人验证嵌入之间的余弦相似度线性组合，从而获得最终的评分决策。此外，使用一类损失函数来训练集成网络，以区分目标试验和未经授权的访问。我们提出的系统评估ASVspoof19数据库，表现出竞争力的性能相比，其他集成方法。此外，我们测试，随着我们的集成方法，最先进的扬声器验证和反欺骗系统的基础上自我监督学习，产生高性能的语音生物识别系统。
2022-04-04 eess.AS
Identifying Source Speakers for Voice Conversion based Spoofing Attacks on Speaker Verification Systems
自动说话人确认系统旨在确认语音信号的说话人身份。然而，语音转换系统可以操纵一个人的语音信号，使其听起来像另一个说话者的声音，并欺骗说话者验证系统。针对基于语音转换的欺骗攻击的大多数对策被设计成用于区分说话人验证系统的真实语音和欺骗语音。在本文中，我们研究的问题，源说话人识别-推断身份的源说话人给定的语音转换语音。为了进行源说话人识别，我们只需在说话人嵌入网络训练期间将带有源说话人身份标签的语音转换语音数据添加到真实语音数据集。实验结果表明，当使用来自相同语音转换模型的转换语音进行训练和测试时，源说话人识别是可行的。此外，我们的研究结果表明，有更多的转换话语从各种语音转换模型的训练有助于提高源说话人识别性能转换话语从看不见的语音转换模型。
2022-10-31 cs.CR eess.AS
Replay spoofing detection system for automatic speaker verification using multi-task learning of noise classes
University of Seoul（首尔市立大学）
在本文中，我们提出了一个重放攻击欺骗检测系统的自动说话人验证使用多任务学习的噪声类。我们将重放攻击引起的噪声定义为重放噪声。我们探索了同时训练深度神经网络用于重放攻击欺骗检测和重放噪声分类的有效性。多任务学习包括对回放设备、记录环境和记录设备的噪声进行分类以及欺骗检测。三种类型的噪声类别中的每一种也包括真正的类别。在ASVspoof2017数据集上的实验结果表明，我们提出的系统在评估集上的性能相对提高了30%。
2018-10-25 cs.LG cs.SD eess.AS
Spoofing-Aware Speaker Verification by Multi-Level Fusion
National Taiwan University（台湾大学）；The Chinese University of Hong Kong（香港中文大学）
近年来，许多新的技术被用来对付欺骗攻击，并取得了很好的对抗效果。然而，这些作品只考虑到独立的CM模型。如今，一个欺骗感知说话人验证（SASV）的挑战，旨在促进综合CM和ASV模型的研究，认为联合优化CM和ASV模型将导致更好的性能，正在发生。在本文中，我们提出了一种新的多模型和多层次的融合策略来解决SASV任务。与单纯的评分融合和嵌入融合方法相比，该框架首先利用CM模型的嵌入，将CM嵌入传播到CM块中以获得CM评分。在第二级融合中，直接来自ASV系统的CM分数和ASV分数将被连接到用于最终决策的预测块中。结果，最好的单融合系统在评估集上达到了0.97%的SASV-EER。然后将前5个融合系统进行融合，最终SASV-EER达到0.89%。
2022-03-29 cs.LG cs.SD eess.AS
SASV Challenge 2022: A Spoofing Aware Speaker Verification Challenge Evaluation Plan
ASV（自动说话者验证）系统本质上需要拒绝非目标（例如，由不同说话者发出的语音）和欺骗（例如，合成的或转换的）输入。然而，很少考虑ASV系统本身应该如何适应时，他们预计会遇到欺骗攻击，也不是当他们与CM（欺骗对策）协同工作，更不用说两个系统应该如何联合优化。第一个SASV（spoofing-aware speaker verification）挑战赛是ISCA INTERSPEECH 2022的一个特别会议，其目标是促进可以同时执行ASV和CM的集成系统的开发。
2022-03-02 cs.CR cs.SD eess.AS
Integrated Replay Spoofing-aware Text-independent Speaker Verification
University of Seoul（首尔大学）
许多研究已经成功地开发了说话人确认或呈现攻击检测系统。然而，将这两项任务结合起来的研究仍处于初步阶段。在本文中，我们提出了两种方法来建立一个集成系统的说话人验证和演示攻击检测：一个端到端的单片方法和后端模块化的方法。第一种方法同时训练说话人识别，演示攻击检测，并使用多任务学习使用一个共同的功能的集成系统。然而，通过实验，我们假设，所需的信息进行说话人验证和演示攻击检测可能会有所不同，因为说话人验证系统试图从扬声器嵌入删除设备特定的信息，而演示攻击检测系统利用这些信息。因此，我们提出了一种后端模块化方法，使用单独的深度神经网络（DNN）进行说话人验证和演示攻击检测。这种方法有三个输入组件：两个扬声器嵌入（注册和测试）和预测的演示攻击。实验使用ASVspoof 2017-v2数据集进行，其中包括对说话人验证和演示攻击检测集成的正式试验。所提出的后端方法表现出21.77%的相对改善方面的综合试验相比，传统的说话人确认系统的相等的错误率。
2020-09-27 cs.LG cs.SD eess.AS
Speaker-Aware Anti-Spoofing
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）；TCG CREST（TCG 尖端研究与科学卓越中心）
本文提出说话人条件化的语音反欺骗方法，通过帧级和话语级策略将注册说话人信息融入 AASIST，在 ASVspoof 2019 上显著降低 EER 与 t-DCF。
2023-06-08 cs.CR cs.SD 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
Physiological-Physical Feature Fusion for Automatic Voice Spoofing Detection
Zhengzhou University（郑州大学）；Westlake University（西湖大学）
近年来，说话人验证系统已经被用于许多生产场景中。不幸的是，他们仍然是非常容易受到各种欺骗攻击，如语音转换和语音合成等。在本文中，我们提出了一种新的方法，基于生理-物理特征融合来处理语音欺骗攻击。该方法包括特征提取、具有挤压和激励块的密集连接卷积神经网络（SE-DenseNet）、具有挤压和激励块的多尺度残差神经网络（SE-Res 2Net）和特征融合策略。我们首先使用视频中说话者的声音和面部作为监控信号来预训练卷积神经网络。它可以从语音中提取生理特征。然后，我们使用SE-DenseNet和SE-Res 2Net提取物理特征。这种密集连接的图案具有高的参数效率，并且挤压和激励块可以增强特征的传输。最后，我们将这两个功能集成到SE-Densenet识别欺骗攻击。在ASVspoof 2019数据集上的实验结果表明，该模型对语音欺骗检测是有效的。在逻辑访问的情况下，我们的模型提高了串联决策代价函数（t-DCF）和等错误率（EER）的分数分别为4%和7%，与其他方法相比。在物理访问场景中，我们的模型分别将t-DCF和EER分数提高了8%和10%。
2021-09-01 cs.SD eess.AS eess.IV
Audio Anti-spoofing Using a Simple Attention Module and Joint Optimization Based on Additive Angular Margin Loss and Meta-learning
University of Texas at Dallas（德克萨斯大学达拉斯分校）
自动说话人验证系统容易受到各种访问威胁的影响，这促使人们研究制定有效的欺骗检测系统，以作为过滤此类欺骗攻击的门户。这项研究引入了一个简单的注意力模块来推断卷积层中特征图的三维注意力权重，然后优化能量函数来确定每个神经元的重要性。随着语音转换和语音合成技术的进步，不可见的欺骗攻击不断出现，限制了欺骗检测系统的性能。在这里，我们提出了一种基于加权加性角裕度损失的联合优化方法，用于二进制分类，并使用元学习训练框架来开发一种有效的系统，该系统对广泛的欺骗攻击具有鲁棒性，以增强模型泛化能力。因此，当与当前最先进的系统相比时，我们提出的方法提供了具有竞争力的结果，合并EER为0.99%，最小t-DCF为0.0289。
2022-11-17 cs.LG 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
DCF-DS: Deep Cascade Fusion of Diarization and Separation for Speech Recognition under Realistic Single-Channel Conditions
本文提出DCF-DS框架，通过深度级联融合神经说话人分离与语音分离，并引入窗口级解码、MIMO-SE和重聚类策略，在CHiME-8 NOTSOFAR-1真实单通道赛道夺冠并在LibriCSS上取得最优性能。
2024-12-28 cs.SD eess.AS
Backend Ensemble for Speaker Verification and Spoofing Countermeasure
Northwestern Polytechnical University（西北工业大学）
本文介绍了NPU系统提交给欺骗感知扬声器验证挑战赛2022。重点从三个方面研究了用于说话人确认和欺骗对抗的\textit{backend ensemble}。首先，除了简单的拼接，我们提出了循环矩阵变换和堆叠的扬声器嵌入和对策嵌入。通过新定义的循环嵌入的叠加操作，我们几乎探索了说话人嵌入和对策嵌入之间所有可能的相互作用。其次，我们尝试不同的卷积神经网络选择性地融合嵌入的显着区域到卷积核通道。最后，我们在一维卷积神经网络中设计了并行注意力，以学习通道维度中的全局相关性以及学习特征维度中的重要部分。同时，我们在二维卷积神经网络中嵌入挤压-激发注意，以学习说话人嵌入和对策嵌入之间的全局依赖性。实验结果表明，上述方法都是有效的.经过上述方法增强的四个训练好的模型融合后，在评价集上获得的最佳SASV EER、SPF EER和SV EER分别为0. 559%、0. 354%和0. 857%。加上上述贡献，我们的提交系统在这项挑战中获得了第五名。
2022-09-23 cs.SD eess.AS
The DKU-OPPO System for the 2022 Spoofing-Aware Speaker Verification Challenge
Wuhan University（武汉大学）；Duke Kunshan University（昆山杜克大学）；Guangdong OPPO Mobile Telecommunications Corp., Ltd.（广东OPPO移动通信有限公司）
本文介绍了我们的DKU-OPPO系统，用于2022年欺骗感知扬声器验证（SASV）挑战赛。首先，我们将联合任务分为说话人确认（SV）和欺骗对策（CM），这两个任务是单独优化。对于ASV系统，采用四种最先进的方法。对于CM系统，我们在挑战基线的基础上提出了两种方法来进一步提高性能，即嵌入随机采样增强（ERSA）和一类混淆损失（OCCL）。其次，我们还探讨了SV嵌入是否有助于提高CM系统的性能。我们观察到现有CM系统在域不匹配的Voxceleb 2数据集上的性能急剧下降。第三，我们比较了不同的融合策略，包括并行分数融合和顺序级联系统。与1. 71% SASV-EER基线相比，我们提交的级联系统在挑战官方评估集上获得了0. 21% SASV-EER。
2022-07-15 cs.SD eess.AS
SA-SASV: An End-to-End Spoof-Aggregated Spoofing-Aware Speaker Verification System
Vanderbilt University（范德堡大学）；Vanderbilt University Medical Center（范德堡大学医学中心）
过去几年的研究已经提高了自动说话人验证系统和对抗系统的性能，以在每个系统上提供低的相等出错率（EER）。然而，这两个系统的联合优化的研究仍然有限。提出了欺骗感知扬声器验证（SASV）2022挑战，以鼓励开发具有新指标的集成SASV系统，以评估联合模型性能。本文提出了一种无集成的端到端解决方案，称为欺骗聚合SASV（SA-SASV），以构建一个多任务分类器的SASV系统，该系统通过多次损失进行优化，并对训练集有更灵活的要求。该系统在ASVSpoof 2019 LA数据集上进行了训练，这是一个具有少量真实扬声器的欺骗验证数据集。SASV-EER的结果表明，通过在完整的自动说话人确认和对策数据集上进行训练，可以进一步提高模型的性能。
2022-03-24 cs.SD eess.AS
Investigating the Potential of Multi-Stage Score Fusion in Spoofing-Aware Speaker Verification
本研究提出一种多阶段分数融合方法，通过整合ASV和CM子系统并引入辅助分数增强SASV框架，在SASV2022挑战赛评估集上实现1.30%的EER，较基线相对提升24%。
2025-09-16 eess.AS
A Probabilistic Fusion Framework for Spoofing Aware Speaker Verification
Audio Information Research Lab, University of Rochester, Rochester, NY, USA（音频信息研究实验室，罗切斯特大学，罗切斯特，纽约，美国）
本文提出了一种概率融合框架，通过融合ASV和CM子系统分数，有效提升了SASV系统的性能，将EER从19.31%降至1.53%。
2022-04-24 cs.SD eess.AS
Spoofing-Aware Speaker Verification Robust Against Domain and Channel Mismatches
SOKENDAI（高级研究大学院大学）；Singapore Institute of Technology（新加坡理工学院）
针对欺骗攻击、信道与域失配并存的问题，提出融合成对学习、欺骗模拟和元学习的非对称双路径多任务框架，并通过CNComplex验证其显著优于传统ASV系统。
2024-09-10 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
Two Methods for Spoofing-Aware Speaker Verification: Multi-Layer Perceptron Score Fusion Model and Integrated Embedding Projector
University of Seoul（首尔市立大学）
针对自动说话人验证系统易受欺骗攻击的问题，提出多层感知机分数融合模型与集成嵌入投影器两种后端方案，有效整合验证与对抗系统，在2022年SASV挑战赛官方评估中取得优异的等错误率表现。
2022-06-28 cs.SD eess.AS
Spoofing-Aware Speaker Verification via Wavelet Prompt Tuning and Multi-Model Ensembles
本文提出了一种结合小波提示调优和多模型集成的防伪语音验证方法，通过在VoxCeleb2和SpoofCeleb上训练，实现了低误检率和高泛化能力。
2026-01-24 cs.SD eess.AS
Spoofing-Aware Attention based ASV Back-end with Multiple Enrollment Utterances and a Sampling Strategy for the SASV Challenge 2022
目前最先进的自动说话人确认（ASV）系统容易受到呈现攻击，和几个对策（CM），区分善意的试验从欺骗的，已被探索，以保护ASV。然而，ASV系统和CM通常是独立开发和优化的，而没有考虑它们之间的相互关系。在本文中，我们提出了一个新的欺骗意识的ASV后端模块，有效地计算一个组合的ASV分数的基础上说话人相似性和CM分数。除了两个分数的可学习融合函数外，所提出的后端模块具有两种类型的注意力分量，缩放点和前馈自注意力，因此也可以同时学习多个注册话语的内部关系信息。此外，设计了一种新的有效的试验采样策略，用于模拟2022年欺骗感知扬声器验证（SASV）挑战赛中引入的新的欺骗感知验证场景。
2022-09-01 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
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
An explainability study of the constant Q cepstral coefficient spoofing countermeasure for automatic speaker verification
EURECOM（欧洲通信研究与教育中心）
自动说话人验证的反欺骗现在是一个成熟的研究领域，在过去的6年里举行了三次竞争性挑战。在这段时间里，大量的研究工作已经投入到针对欺骗检测任务的前端表示的开发中。一种被称为恒定Q倒谱系数（CQCC）的这样的方法已经被证明在检测利用基于单元选择的语音合成算法实现的攻击中特别有效。尽管他们取得了成功，但他们在检测其他形式的欺骗攻击时基本上失败了，在这些攻击中，更传统的前端表示会提供更好的结果。在最近的2019年版ASVspoof挑战系列中也观察到了类似的差异。本文报告了我们试图帮助解释这些观察结果。的解释是在于由每个前端支付的频谱的不同子带分量的关注程度。到目前为止，令人惊讶的是，很少有人知道什么样的文物被检测到的欺骗对策。因此，我们的工作旨在阐明信号或频谱级的文物，用于区分不同形式的欺骗攻击，从真正的，真正的语音。通过更好地了解这些人工制品，我们将更好地设计更可靠的对策。
2020-04-19 cs.SD eess.AS
Visualizing Classifier Adjacency Relations: A Case Study in Speaker Verification and Voice Anti-Spoofing
University of Eastern Finland（东芬兰大学）；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（国立情报学研究所）；Nuance Communications（Nuance通信公司）；Institute for Infocomm Research（资讯通信研究院）
无论是结果总结，还是分类器融合的分析，比较不同分类器的一些方法通常可以提供对它们的行为，（不）相似性或互补性的启发性见解。我们提出了一个简单的方法来获得二维表示从检测分数产生的任意一组的二进制分类器在一个共同的数据集。基于等级相关性，我们的方法便于视觉比较的分类器与任意分数和密切相关的受试者工作特性（ROC）和检测误差权衡（DET）分析。虽然该方法是完全通用的，可以应用于任何检测任务，我们证明了该方法使用自动说话人验证和语音反欺骗系统产生的分数。前者是由用VoxCeleb数据训练的高斯混合模型系统产生的，而后者则来自ASVspoof 2019挑战赛的提交。
2021-06-11 cs.LG cs.SD eess.AS
Baseline Systems for the First Spoofing-Aware Speaker Verification Challenge: Score and Embedding Fusion
University of Seoul（首尔大学）；EURECOM（欧洲通信学院）；University of Eastern Finland（东芬兰大学）；Naver Corporation（Naver公司）；KAIST（韩国科学技术院）；Nuance Communications（纽昂斯通信公司）；Inria（法国国家信息与自动化研究所）
深度学习在自动说话人验证（ASV）和欺骗对策（CM）的研究方面都取得了令人印象深刻的进展。虽然解决方案是相互依赖的，但它们通常作为独立的子系统发展，因此CM解决方案通常是为固定的ASV系统设计的。本文中报告的工作旨在衡量其更紧密的集成可以获得的可靠性的改善。使用流行的ASVspoof2019数据集得出的结果表明，当评估协议扩展到欺骗试验时，最先进的ASV系统的相等出错率（EER）从1.63%下降到23.83%。遭受欺骗攻击。然而，即使ASV和CM系统以分数总和和基于深度神经网络的融合策略的形式直接集成，EER也分别降低到1.71%和6.37%。新的欺骗感知扬声器验证（SASV）挑战已经形成，以鼓励更多地关注ASV和CM系统的集成，以及提供一种基准测试不同解决方案的方法。
2022-04-21 cs.SD eess.AS
Detection and Evaluation of human and machine generated speech in spoofing attacks on automatic speaker verification systems
Carnegie Mellon University（卡内基梅隆大学）
自动说话人确认系统利用人类语音中的生物特征信息来确认说话人的身份。用于执行说话人验证的技术通常容易受到恶意攻击，这些攻击试图诱使ASV系统返回错误的结果，从而允许冒名顶替者绕过系统并获得访问权限。攻击者为此使用了多种欺骗技术，例如语音转换、音频重放、语音合成等。近年来，生成深度伪造音频的容易获得的工具增加了对ASV系统的潜在威胁。在本文中，我们比较了潜在的人类模仿（语音伪装）基于攻击的基础上，机器生成的语音，黑盒和白盒ASV系统。我们还研究对策，通过使用功能，捕捉人类语音生产的独特方面，假设机器不能模仿许多精细的人类语音生产机制的复杂性。我们表明，基频序列相关熵，频谱包络和非周期性参数是有前途的候选人的鲁棒检测未知方法产生的deepfaked语音。
2020-11-25 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
Ensemble Models for Spoofing Detection in Automatic Speaker Verification
Queen Mary University of London（伦敦玛丽女王大学）；KTH Royal Institute of Engineering（KTH皇家理工学院）
检测自动说话人验证（ASV）系统的欺骗尝试是具有挑战性的，特别是当只使用一种建模方法时。为了鲁棒性，我们使用深度神经网络和传统机器学习模型，并通过逻辑回归将它们组合为集成模型。他们经过培训，可以检测作为ASV欺骗和对策挑战2019的一部分发布的数据集上的逻辑访问（LA）和物理访问（PA）攻击。我们提出了数据集分区，以确保在训练和验证过程中存在不同的攻击类型，以提高系统的鲁棒性。我们的集成模型优于我们所有的单一模型和两种攻击类型的挑战基线。我们研究了为什么PA数据集上的一些模型的表现远远优于其他模型，并发现数据集中的欺骗录音往往比真正的录音在最后有更长的沉默。通过删除它们，PA任务变得更具挑战性，我们最好的单个模型的串联检测代价函数（t-DCF）从0.1672上升到0.5018，开发集的等错误率（EER）从5.98%上升到19.8%。
2019-07-04 cs.SD eess.AS
LJ-Spoof: A Generatively Varied Corpus for Audio Anti-Spoofing and Synthesis Source Tracing
Electrical and Computer Engineering（电气与计算机工程学院）；University of Michigan（密歇根大学）；Computer Engineering University of Michigan 4901 Evergreen Rd, Dearborn, MI 48128, USA（计算机工程密歇根大学4901 Evergreen Rd, Dearborn, MI 48128, USA）
LJ-Spoof 是一个生成多样化的语料库，用于提升音频反伪装和合成源追踪的鲁棒性和精度。
2026-01-12 cs.AI 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
Tandem spoofing-robust automatic speaker verification based on time-domain embeddings
针对逻辑访问攻击，提出基于时域波形幅度PMF提取真实与欺骗语音时域嵌入并结合性别识别的SASV对策系统，实验表明该方法提升了系统泛化能力及串联检测性能。
2024-12-22 eess.AS
Integrated Spoofing-Robust Automatic Speaker Verification via a Three-Class Formulation and LLR
Tianjin University（天津大学）
本文提出一种三类公式框架，通过log-likelihood ratio (LLR)推理提升自动说话验证的可解释性，实验显示在ASVSpoof5和SpoofCeleb上性能优异。
2026-10-28 cs.SD eess.AS
Audio Spoofing Verification using Deep Convolutional Neural Networks by Transfer Learning
NSS College of Engineering（NSS工程学院）
自动说话人验证系统越来越受欢迎，这些天，欺骗攻击是主要关注，因为他们使这些系统脆弱。一些欺骗攻击，如重放攻击，更容易实现，但很难检测，因此需要适当的对策。在本文中，我们提出了一种基于深度卷积神经网络的语音分类器来检测欺骗攻击。我们提出的方法通过深度残差学习（ResNet-34架构的适应），在Mel频率尺度上使用功率谱密度的声学时频表示（Mel频谱图）。使用单个模型系统，我们在ASVspoof 2019的逻辑访问场景的开发和评估数据集上实现了0.9056%的等错误率（EER）和5.32%的等错误率（EER），在物理访问场景的开发和评估数据集上实现了5.87%的等错误率（EER）。
2020-08-08 cs.LG eess.AS
Joint Optimization of ASV and CM tasks: BTUEF Team's Submission for WildSpoof Challenge
Bursa Technical University（布尔萨科技大学）；University of Eastern Finland（芬兰东部大学）
本文提出模块化SASV框架，通过非线性融合和可训练损失优化，结合ReDimNet和微调SSL-AASIST实现最佳ASV与CM性能。
2026-02-02 eess.AS
SASV Based on Pre-trained ASV System and Integrated Scoring Module
基于反欺骗和说话人确认之间存在关联的假设，提出了一种基于预训练自动说话人确认（ASV）系统和集成评分模块的Total-Divide-Total集成欺骗感知说话人确认（SASV）系统，并提交给SASV 2022挑战赛。现有SASV系统中ASV和反欺骗对抗（CM）的训练和评分相对独立，忽略了两者之间的相关性。在本文中，通过利用这两个任务之间的相关性，一个集成的SASV系统可以通过简单地训练几个层次的基础上，基线预训练的ASV子系统。利用预训练ASV系统中的特征进行逻辑访问欺骗语音检测。此外，由预训练的ASV系统提取的说话人嵌入被用于提高CM的性能。综合评分模块将ASV和反欺骗分支的嵌入作为输入，并通过矩阵运算保留两个任务之间的相关性，以产生综合SASV分数。提交的主要系统在SASV 2022挑战赛的开发数据集上实现了3.07%的等错误率（EER），在评估部分上实现了4.30%的等错误率（EER），这比基线系统提高了25%。
2022-07-01 eess.AS
Malafide: a novel adversarial convolutive noise attack against deepfake and spoofing detection systems
EURECOM（欧洲通信学院）
本研究提出Malafide通用对抗攻击，通过优化的线性时不变滤波器引入卷积噪声，仅需少量系数优化即可大幅降低欺骗检测系统性能，且发现自监督学习的集成反制方案鲁棒性更强。
2023-06-13 cs.CR cs.LG eess.AS
Revisiting and Improving Scoring Fusion for Spoofing-aware Speaker Verification Using Compositional Data Analysis
National Institute of Informatics（信息学研究所）；University of Eastern Finland（东芬兰大学）；The Hong Kong Polytechnic University（香港理工大学）；Avignon Université（阿维尼翁大学）；Laboratoire Informatique d’Avignon（阿维尼翁计算机实验室）
本文基于决策理论和成分数据分析重新审视ASV与CM的分数级融合，提出分数校准、改进线性及非线性融合方法，并在SASV挑战数据库上验证了其有效性。
2024-09-24 cs.SD eess.AS
Voice Spoofing Detection Corpus for Single and Multi-order Audio Replays
Oakland University（奥克兰大学）；University of Michigan-Dearborn（密歇根大学迪尔伯恩分校）
近年来，现代语音控制设备（VCD）的发展彻底改变了物联网，并通过语音命令增加了灵巧家庭、个性化和家庭自动化的实现。在物联网中引入VCD预计将出现物联网的新子领域，称为多媒体物联网（MoT）。这些VCD可以在物联网驱动的环境中被利用来生成各种欺骗攻击，包括重放。重放攻击是通过重放合法人类说话者的录音来产生的，其意图是欺骗具有说话者验证系统的VCD。在物联网驱动的环境中，可以很容易地利用VCD之间的连接来生成一系列重放攻击（多阶重放攻击）。现有的欺骗检测数据集，如ASVspoof和ReMASC，仅包含针对真实音频样本的一阶重放记录。这些数据集无法提供能够检测多阶重放攻击的反欺骗算法的评估。此外，这些数据集没有捕获麦克风阵列的特征，这是现代VCD的重要特征。我们需要一个多样化的重放欺骗检测语料库，由多阶重放录音对真正的语音样本。本文提出了一种新的语音欺骗检测语料库（VSDC），以评估多阶重放反欺骗方法的性能。建议的VSDC由一阶和二阶重放样本对真正的音频记录。此外，所提出的VSDC也可以用来评估说话人确认系统的性能，因为我们的语料库包括15个不同说话人的音频样本。据我们所知，这是第一个公开可用的重放欺骗检测语料库，包括一阶和二阶重放样本。
2019-09-03 cs.SD eess.AS
A Preliminary Case Study on Long-Form In-the-Wild Audio Spoofing Detection
National Institute of Informatics（情报通信研究机构）
本研究探索真实场景下长时长、多说话人及复杂声学条件的音频欺骗检测，测试了AASIST模型并揭示当前方法的不足，提出初步改进建议，推动欺骗检测在现实应用中的适用性。
2024-08-26 cs.CR cs.SD eess.AS
DualStream Contextual Fusion Network: Efficient Target Speaker Extraction by Leveraging Mixture and Enrollment Interactions
Beijing Institute of Technology（北京理工大学）；Beijing University of Posts and Telecommunications（北京邮电大学）
针对现有目标说话人提取方法忽略上下文信息及混合与注册语音交互的问题，提出时频域双流上下文融合网络（DCF-Net），通过双流融合块捕获空间和通道维度交互，在基准数据集上SI-SDRi达21.6 dB，目标混淆率仅0.4%，性能优于SOTA且鲁棒性强。
2025-02-12 cs.SD eess.AS
RawBoost: A Raw Data Boosting and Augmentation Method applied to Automatic Speaker Verification Anti-Spoofing
EURECOM（欧洲通信学院）
本文介绍了RawBoost，这是一种数据提升和增强方法，用于设计更可靠的欺骗检测解决方案，直接在原始波形输入上操作。虽然RawBoost不需要额外的数据源，例如噪声记录或脉冲响应，并且与数据，应用程序和模型无关，但它是为电话场景而设计的。基于线性和非线性卷积噪声、脉冲信号相关的加性噪声和平稳信号无关的加性噪声的组合，RawBoost对源于例如以下的滋扰可变性进行建模：编码、传输、麦克风和放大器，以及线性和非线性失真。使用ASVspoof 2021逻辑访问数据库进行的实验表明，RawBoost将最先进的原始端到端基线系统的性能提高了27%，并且仅优于依赖外部数据或需要在模型级别进行额外干预的解决方案。
2022-02-22 cs.CR cs.SD eess.AS
ELEAT-SAGA: Early & Late Integration with Evading Alternating Training for Spoof-Robust Speaker Verification
Ben Gurion University of the Negev（内盖夫本-古里安大学）；Afeka Academic College of Engineering in Tel Aviv（特拉维夫阿菲卡理工学院）；Avignon University（阿维尼翁大学）
ELEAT-SAGA通过引入基于分数的门控注意力机制和逃避交替训练策略，提升了对抗鲁棒的说话人验证系统性能。
2026-02-14 eess.AS
