Spoof Diarization: "What Spoofed When" in Partially Spoofed Audio
National Institute of Informatics(信息学研究所);SOKENDAI(高级研究大学机构);National Institute of Information and Communications Technology(信息通信技术研究所);Brno University of Technology(布尔诺理工大学);EURECOM(欧洲通信与网络研究中心)
本文提出部分欺骗音频中的欺骗日志新任务,定义评估指标并给出3C基准模型,结合三种标注方案与欺骗定位预测揭示了该任务的高复杂性。
2024-06-12 cs.CL 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
Investigating Causal Cues: Strengthening Spoofed Audio Detection with Human-Discernible Linguistic Features
University of Maryland, Baltimore County(马里兰大学巴尔的摩县分校)
本文利用带社会语言学标注的混合欺骗音频数据集,通过因果发现与推断识别人类可辨别的EDLFs与欺骗标签的关系,为增强AI检测器和自动化标注提供依据。
2024-09-09 cs.CL 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
Uncovering the Deceptions: An Analysis on Audio Spoofing Detection and Future Prospects
Indian Institute of Technology, Jodhpur(印度理工学院焦特布尔分校)
本文综述音频欺骗检测的最新技术、挑战与开放问题,强调伦理隐私影响,并提出提升鲁棒泛化性、融合ASV与对策系统及改进评估协议的方向。
2023-07-13 cs.CR 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
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
An Efficient Temporary Deepfake Location Approach Based Embeddings for Partially Spoofed Audio Detection
State Key Laboratory of Media Convergence and Communication(媒体融合与传播国家重点实验室);Communication University of China(中国传媒大学)
针对部分伪造音频帧级定位难题,提出Temporal Deepfake Location (TDL)方法,通过嵌入相似度模块分离真假帧并利用时间卷积操作聚焦位置信息,在ASVspoof2019数据集及跨数据集场景下均表现优越。
2023-11-21 cs.AI cs.SD eess.AS
Robust Audio Anti-Spoofing with Fusion-Reconstruction Learning on Multi-Order Spectrograms
The University of Sydney(悉尼大学);City University of Macau(澳门城市大学)
本文提出S2pecNet,通过多阶频谱融合重建学习提取鲁棒音频防欺骗特征,在ASVspoof2019 LA Challenge上取得EER 0.77%的最优性能。
2023-08-18 cs.AI cs.MM cs.SD
Can Quantized Audio Language Models Perform Zero-Shot Spoofing Detection?
Indian Institute of Technology Jodhpur(印度理工学院贾尔普尔)
本文评估五种音频语言模型在三个数据集上的零样本欺骗检测及 FP32、FP16、INT8 量化鲁棒性,发现模型存在严重欺骗类偏差,而 FP16 可在几乎不损性能时减半资源开销。
2025-06-07 cs.SD eess.AS
Beyond Silence: Bias Analysis through Loss and Asymmetric Approach in Audio Anti-Spoofing
Carnegie Mellon University(卡内基梅隆大学);TCG CREST;University of Eastern Finland(东芬兰大学)
本文通过损失分析和非对称方法扩展了音频反欺骗中静音之外的类级解释,揭示两类训练动态的显著差异,强调未来研究应聚焦于真实类的鲁棒建模。
2024-08-26 cs.AI cs.SD eess.AS
Towards Attention-based Contrastive Learning for Audio Spoof Detection
Reality Defender Inc.(Reality Defender公司)
本文提出基于注意力的对比学习框架SSAST-CL,利用交叉注意力改进音频欺骗检测中的表示学习,并在ASVSpoof 2021挑战赛上取得有竞争力的性能。
2024-07-03 cs.AI cs.SD eess.AS
Generalizable Audio Spoofing Detection using Non-Semantic Representations
German Research Center for Artificial Intelligence(德国人工智能研究中心);Technical University Berlin(柏林技术大学);Gretchen AI GmbH(Gretchen AI公司)
针对现有音频深度伪造检测方案泛化性不足的问题,本研究提出利用非语义通用音频表征的泛化性欺骗检测方法,经实验验证其在域外及公开领域数据上泛化性能显著优于现有最优方案。
2025-08-29 cs.AI cs.SD eess.AS
Adaptive Mixture of Low-Rank Experts for Robust Audio Spoofing Detection
本文提出AMULET框架,通过LoRA微调的攻击特定专家与自适应专家融合机制,以极低参数量提升音频欺骗检测在复杂后处理攻击下的鲁棒性与适应性。
2025-05-10 eess.AS
FastAudio: A Learnable Audio Front-End for Spoof Speech Detection
语音助手,如智能扬声器,已经大受欢迎。据估计,智能音箱在美国成年人群中的采用率已经超过35%。制造商已经集成了说话人辨识技术,该技术试图确定说话人的身份,以向同一家庭的不同成员提供个性化服务。说话人辨识也可以在控制智能扬声器的使用方式方面发挥重要作用。例如,在播放音乐时正确识别用户并不重要。但是,当大声阅读用户的电子邮件时,正确验证发出请求的发言者是授权用户至关重要。因此,需要认证说话者身份的说话者验证系统作为看门人,以防止旨在冒充注册用户的各种欺骗攻击。本文比较了流行的可学习前端,通过与下游任务(端到端)的联合训练来学习音频的表示。我们通过定义两种通用架构对前端进行分类,然后根据学习约束分析这两种类型的过滤阶段。我们建议用一个可以更好地适应反欺骗任务的可学习层取代固定滤波器组。然后使用两个流行的后端测试拟议的FastAudio前端,以测量ASVspoof 2019数据集的LA轨道上的性能。与固定前端相比,FastAudio前端实现了27%的相对改进,在此任务上优于所有其他可学习的前端。
2021-09-06 cs.CR cs.LG cs.SD
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
Synthetic Voice Detection and Audio Splicing Detection using SE-Res2Net-Conformer Architecture
KLASS Engineering and Solutions Pte Ltd(KLASS工程与解决方案私人有限公司)
合成语音和拼接音频片段已被生成,以欺骗互联网用户和人工智能(AI)技术,如语音认证。现有的研究工作将欺骗对策视为二元分类问题:善意与欺骗。本文通过涉及最近的Conformer块来扩展现有的Res 2Net,以进一步利用声学特征的局部模式。在ASVspoof 2019数据库上的实验结果表明,所提出的SE-Res 2Net-Conformer架构能够提高逻辑访问场景的欺骗对策性能。此外,本文还提出了重新制定现有的音频拼接检测问题。检测拼接段的边界比识别完整的拼接段更有用。此外,可以使用深度学习方法来解决该问题,这与以前的信号处理技术不同。
2022-11-29 cs.CL cs.CR 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
Toward Improving Synthetic Audio Spoofing Detection Robustness via Meta-Learning and Disentangled Training With Adversarial Examples
University of Texas at Dallas(德克萨斯大学达拉斯分校);Center for Robust Speech Systems (CRSS)(鲁棒语音系统中心)
针对未见合成欺骗攻击导致ASV系统性能下降的问题,提出加权加性角度间隔损失、元学习损失、对抗样本数据增强及辅助BN和注意力模块,在ASVspoof 2019 LA上实现0.87% EER,有效提升检测鲁棒性。
2024-08-23 cs.AI cs.SD eess.AS
Adaptive Fake Audio Detection with Low-Rank Model Squeezing
Institute of Automation, Chinese Academy of Sciences(中国科学院自动化研究所);Beijing Jiaotong University(北京交通大学);University of Science and Technology of China(中国科学技术大学);Tsinghua University(清华大学);University of Chinese Academy of Sciences(中国科学院大学)
针对传统微调方法适配新兴伪造音频检测时计算成本高、易遗忘旧知识的问题,提出低秩适配矩阵结合基础模型的自适应检测方法,在保留旧类检测精度的同时降低了存储需求与等错误率。
2023-06-08 cs.LG cs.SD eess.AS
What Counts as Real? Speech Restoration and Voice Quality Conversion Pose New Challenges to Deepfake Detection
本文研究语音重建和语音质量转换对深度伪造检测系统的影响,通过多类分类方法分析模型行为,发现良性变换导致分布偏移,改进了系统鲁棒性。
2026-07-08 cs.AI 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
HM-Conformer: A Conformer-based audio deepfake detection system with hierarchical pooling and multi-level classification token aggregation methods
University of Seoul(首尔大学)
针对Conformer直接用于音频深度伪造检测的局限,提出HM-Conformer,通过分层池化和多级分类令牌聚合方法处理不同序列长度并聚合信息,在ASVspoof 2021上取得15.71% EER的竞争性能。
2023-09-15 cs.CR cs.LG cs.SD
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
Genuine-Focused Learning using Mask AutoEncoder for Generalized Fake Audio Detection
Institute of Automation, Chinese Academy of Sciences(中国科学院自动化研究所);School of Artificial Intelligence, University of Chinese Academy of Sciences(中国科学院大学人工智能学院);Tsinghua University(清华大学);School of Information and Communication Engineering, Communication University of China(中国传媒大学信息与通信工程学院);Shanghai Polytechnic University(上海第二工业大学)
本文提出GFL-FAD框架,通过MAE重建真实音频并融合瓶颈特征,在ASVspoof2019 LA上实现0.25% EER的最先进广义伪造音频检测性能。
2024-06-09 cs.SD eess.AS
Self-Attention and Hybrid Features for Replay and Deep-Fake Audio Detection
University of Macau(澳门大学)
本文提出一种结合混合特征与自注意力机制的框架,通过并行提取深度学习特征和Mel-spectrogram特征,在ASVspoof 2021数据集上显著提升重放和Deep-Fake音频检测性能。
2024-01-11 cs.MM cs.SD 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
Language Orthogonalization for Zero-Shot Cross-Lingual Audio Deepfake Detection
University of Southern California(南加州大学);KAIST(韩国科学技术院)
针对音频深度伪造检测的跨语言泛化问题,提出语言正交化方法,通过移除自监督语音模型中的语言相关变异,在多种语言和骨干网络上一致降低等错误率。
2026-09-16 cs.CL eess.AS
Source Tracing: Detecting Voice Spoofing
Duke Kunshan University(昆山杜克大学);Wuhan University(武汉大学)
最近的反欺骗系统专注于欺骗检测,其中任务仅是确定测试音频是否是假的。然而,很少有研究把注意力放在识别的方法产生的假语音。常见的欺骗攻击算法在逻辑访问(LA)的情况下,如语音转换和语音合成,可以分为几个阶段:输入处理,转换,波形生成等,在这项工作中,我们提出了一个系统,用于分类不同的欺骗属性,代表不同的模块在整个管道的特点。除了确定整个欺骗流水线之外,对欺骗攻击的属性进行分类可以使系统在不同阶段遇到不同模块的复杂组合时更加鲁棒。此外,我们的系统还可以作为一个辅助系统,用于反欺骗对看不见的欺骗方法。在ASVspoof 2019 LA数据集上进行了实验,与传统的二进制欺骗检测方法相比,该方法相对提高了20%.
2022-12-16 cs.SD eess.AS
What You Read Isn't What You Hear: Linguistic Sensitivity in Deepfake Speech Detection
Independent Researcher(独立研究者);Indiana University(印第安纳大学);Deep Media AI(深媒体人工智能)
本研究通过转录级对抗性攻击揭示深度伪造语音检测器对语言扰动的敏感性,攻击成功率超60%,商业检测器准确率从100%降至32%,强调需在反欺骗系统中考虑语言变化。
2025-05-23 cs.CL cs.LG cs.SD
Discrete optimal transport is a strong audio adversarial attack
University of Rochester(罗切斯特大学);Rochester Institute of Technology(罗切斯特理工学院)
提出离散最优传输(DOT)作为黑盒攻击,通过分布对齐(使用WavLM嵌入和熵最优传输)显著降低说话人验证和反欺骗系统的性能,且无需模型参数或梯度。
2026-09-24 cs.AI eess.AS
Does Audio Deepfake Detection Generalize?
Fraunhofer AISEC(弗劳恩霍夫AISEC研究所);Technical University Munich(慕尼黑工业大学);why do birds GmbH
本文系统化评估了语音伪造检测方法,发现使用cqtspec或logspec特征可提升性能37%,并揭示现有方法在现实数据上表现不佳,可能因过度依赖ASVSpoof基准而无法有效检测真实世界中的深度伪造。
2026-03-27 cs.LG cs.SD eess.AS
FADEL: Uncertainty-aware Fake Audio Detection with Evidential Deep Learning
Department of Electrical and Computer Engineering and INMC, Seoul National University, Seoul, South Korea(电子与计算机工程系和INMC,首尔国立大学);Department of AI, Chung-Ang University, Seoul, South Korea(人工智能系, Chung-Ang 大学)
针对伪造音频检测中模型对未知攻击过度自信的问题,提出基于证据学习的FADEL框架,利用狄利克雷分布建模不确定性,在ASVspoof2019/2021 LA数据集上显著提升基线性能,并验证了不确定性与EER的相关性。
2025-04-22 cs.AI eess.AS
Continual Learning for Fake Audio Detection
Institute of Automation, Chinese Academy of Sciences(中国科学院自动化研究所);University of Chinese Academy of Sciences(中国科学院大学);CAS Center for Excellence in Brain Science and Intelligence Technology(中国科学院脑科学与智能技术卓越创新中心)
虚假音频攻击成为说话人确认系统的主要威胁。虽然目前的检测方法已经取得了可喜的成果,在特定的情况下,他们遇到的困难,看不见的欺骗数据。为纳入新数据,从零开始进行了微调和再培训。然而,微调会导致先前数据的性能下降。重新训练需要大量的时间和计算资源。此外,在某些情况下,由于隐私原因,以前的数据不可用。针对上述问题,本文提出了一种基于连续学习的无遗忘伪检测方法,使模型能够增量地学习新的欺骗攻击。在损失函数中引入知识蒸馏损失,以保持原模型的记忆。假设真实语音在不同场景中的分布是一致的,额外的嵌入相似性损失被用作另一个约束,以进一步进行正样本对齐。实验在ASVspoof2019数据集上进行。实验结果表明,该方法的平均等出错率相对降低了81.62%。
2021-04-15 cs.LG 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
When Spoof Detectors Travel: Evaluation Across 66 Languages in the Low-Resource Language Spoofing Corpus
lab260, Moscow Technical University of Communications and Informatics(莫斯科通信与信息学技术大学)
本文提出LRLspoof语料库,用于跨语言伪装检测评估,包含66种语言的2732小时语音数据,揭示语言差异对检测性能的影响。
2026-06-27 cs.SD eess.AS
Audio Deep Fake Detection System with Neural Stitching for ADD 2022
Beike(贝壳)
本文介绍了我们针对ADD 2022:首届音频深度合成检测挑战赛\cite{Yi2022ADD}的最佳系统和方法。轨道3.2的两轮评估使用了完全相同的系统,培训方法也类似。第一轮Track 3.2数据是由文本到语音(TTS)或语音转换(VC)算法生成的,而第二轮数据由Track 3.1中其他参与者生成的假音频组成,旨在欺骗我们的系统。我们的系统使用标准的34层ResNet,具有多头注意力池\cite{india2019self}来学习用于虚假音频和欺骗检测的判别式嵌入。我们进一步利用神经拼接来提高模型的泛化能力,以便在不同的任务中表现同样出色,更多细节将在下面的会议中解释。实验表明,我们提出的方法优于所有其他系统的10.1%的等错误率(EER)在轨道3.2。
2022-04-20 cs.CR cs.SD eess.AS
Securing Voice Biometrics: One-Shot Learning Approach for Audio Deepfake Detection
Oakland University(奥克兰大学);University of Michigan-Flint(密歇根大学弗林特分校)
针对自动说话人验证系统易受音频深度伪造攻击、现有检测模型泛化性差的问题,提出基于单样本学习与度量学习的Quick-SpoofNet方法,可检测已知与未知合成攻击,在多个数据集上验证了有效性与泛化能力。
2023-10-05 cs.SD eess.AS
Multilingual Dataset Integration Strategies for Robust Audio Deepfake Detection: A SAFE Challenge System
Electrical and Computer Engineering(电气与计算机工程系);University of Michigan(密歇根大学);University of Michigan Dearborn, USA(密歇根大学达文波特分校)
本研究针对SAFE挑战,提出基于AASIST和WavLM前端、RawBoost增强的多语言训练方法,在未修改和清洗音频检测任务中均获第二名,验证了强泛化性。
2025-10-06 cs.LG eess.AS
Advancing Continual Learning for Robust Deepfake Audio Classification
University of New South Wales(新南威尔士大学)
针对音频深度伪造检测中未知攻击识别难、传统重训练存储成本高的问题,提出持续学习方法CADE,通过固定内存存样、双层蒸馏损失实现旧知识保留与性能提升,在ASVspoof2019上优于基线。
2024-07-14 cs.SD eess.AS
Bridging the Spoof Gap: A Unified Parallel Aggregation Network for Voice Presentation Attacks
Oakland University(奥克兰大学)
针对ASV系统中逻辑与物理欺骗攻击检测割裂且EER差异大的问题,提出并行堆叠聚合网络,通过拆分-变换-聚合处理原始音频,在ASVspoof-2019和VSDC上实现统一检测并优于现有方法。
2023-09-19 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
A SUPERB-Style Benchmark of Self-Supervised Speech Models for Audio Deepfake Detection
Electrical and Computer Engineering University of Michigan(密歇根大学电气与计算机工程系)
本文提出Spoof-SUPERB基准,评估20种自监督语音模型在音频深度伪造检测中的性能,发现大规模判别模型在多语言预训练和说话人感知目标下表现更优。
2026-03-02 cs.AI cs.LG 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
Synthetic Audio Forensics Evaluation (SAFE) Challenge
STR Woburn, MA(STR沃本麻省);Aptima, Inc.(Aptima公司);Drexel University(德雷塞尔大学);ULRI Digital Safety Research Institute(ULRI数字安全研究所)
针对合成语音检测难题,提出SAFE盲测框架,含90小时音频、21个来源、17个TTS模型和3个任务,评估模型在原始、处理和清洗场景下的表现。
2025-10-07 cs.SD eess.AS
The Vicomtech Audio Deepfake Detection System based on Wav2Vec2 for the 2022 ADD Challenge
Vicomtech(Vicomtech基金会)
本文描述了我们提交的系统,以2022年ADD挑战赛的轨道1和2。我们的方法是基于预训练的wav2vec2特征提取器和下游分类器的组合来检测欺骗音频。该方法利用不同Transformer层的上下文化语音表示来完全捕获区分信息。此外,分类模型是适应不同的数据增强技术的应用场景。我们在ASVspoof 2021和2022 ADD挑战中评估了我们的音频合成检测系统,显示了其在现实挑战环境中的鲁棒性和良好性能,如电话和音频编解码器系统,嘈杂的音频和部分deepfake。
2022-03-03 cs.SD eess.AS
Generalized Audio Deepfake Detection Using Frame-level Latent Information Entropy
Ping An Technology (Shenzhen) Co., Ltd.(平安科技(深圳)有限公司)
针对音频深度伪造检测的泛化性问题,基于信息论假设真实与伪造样本的信息差异,提出帧级潜在信息熵检测器(f-InfoED)及AdaLAM适配器扩展预训练模型,在ADFF 2024数据集上实现SOTA性能与强泛化性。
2025-04-15 cs.SD eess.AS
One-Class Learning with Adaptive Centroid Shift for Audio Deepfake Detection
School of Electrical Engineering, KAIST(韩国科学技术院电气工程学院)
针对音频深度伪造检测中未知攻击鲁棒性不足的问题,提出自适应质心偏移单类学习方法,仅用真实样本生成专用质心并聚集表征,在ASVspoof 2021数据集上EER达2.19%,优于现有系统。
2024-06-24 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
CAU_KU team's submission to ADD 2022 Challenge task 1: Low-quality fake audio detection through frequency feature masking
Chung-Ang University(中央大学);Korea University(高丽大学)
本技术报告介绍了忠安大学和高丽大学(CAU_KU)团队参与音频深度合成检测(ADD)2022挑战赛的模型,第1轨道:低质量虚假音频检测。对于音轨1,我们提出了一种频率特征掩蔽(FFM)增强技术来处理低质量的音频环境。可以应用基于频谱图的模型的检测百分比。我们在五个基于频谱图的深度神经网络架构上应用了FFM和混合增强,这些架构在使用梅尔频谱图和恒定Q变换(CQT)特征的欺骗检测中表现良好。我们最好的提交达到了23.8%的EER排名第三的轨道1。
2022-02-09 cs.SD eess.AS
Mixture of Low-Rank Adapter Experts in Generalizable Audio Deepfake Detection
University of Eastern Finland(东芬兰大学)
针对基础模型微调后难以泛化至新型音频伪造方法的问题,提出混合LoRA专家方法,通过在注意力层集成多个低秩适配器并利用路由机制激活专家,有效提升了域外泛化能力并显著降低等错误率。
2025-09-17 cs.LG cs.SD eess.AS
Learnable Spectro-temporal Receptive Fields for Robust Voice Type Discrimination
语音类型辨别(VTD)是指在录音中的区域之间的辨别,其中语音是由物理上在录音设备附近的扬声器(“现场语音”)产生的,而其他类型的音频是回放的,诸如交通噪声和电视广播(“干扰音频”)。在这项工作中,我们提出了一个基于深度学习的VTD系统,该系统具有可学习的光谱-时间感受野(STRFs)的初始层。我们的方法也被证明在ASVspoof 2019挑战中的类似欺骗检测任务上提供了非常强大的性能。我们评估我们的方法,收集一个新的标准化的VTD数据库,以支持在这一领域的研究。特别是,我们研究的效果,使用可学习的STRF相比,静态STRF或无约束的内核。我们还表明,我们的系统始终提高了竞争力的基线系统在广泛的信号噪声比欺骗检测VTD干扰噪声的存在。
2020-10-19 eess.AS
Partially Fake Audio Detection by Self-attention-based Fake Span Discovery
National Taiwan University(台湾大学);Academia Sinica(中央研究院);The Chinese University of Hong Kong(香港中文大学)
在过去的几年里,语音合成和语音转换技术取得了显著的进步。然而,这些技术可能会破坏广泛实施的生物识别模型的鲁棒性,并可能被野外攻击者用于非法用途。ASVspoof挑战赛主要关注通过高级语音合成和语音转换模型合成的音频,以及重放攻击。最近,第一个音频深度合成检测挑战赛(ADD 2022)将攻击场景扩展到更多方面。此外,ADD 2022是提出部分虚假音频检测任务的第一个挑战。这种全新的攻击是危险的,如何应对这种攻击仍然是一个悬而未决的问题。因此,我们提出了一个新的框架,通过引入问题回答(假跨度发现)策略与自我注意机制,以检测部分假音频。所提出的假跨度检测模块的任务反欺骗模型预测的假剪辑的开始和结束位置的部分假音频,解决模型的注意力到发现假跨度,而不是其他捷径与较少的泛化,并最终配备了真正的和部分假音频之间的辨别能力的模型。我们的提交在ADD 2022的部分虚假音频检测轨道中排名第二。
2022-02-15 cs.LG cs.SD eess.AS
Tracking the Trend in How Speech Synthesizers Deceive People
Brno University of Technology(布尔诺理工大学)
该研究对比了三款不同年份的现代语音合成器的欺骗性,发现人类和检测器对部分伪造语音的检测准确率极低,仅靠人类感知不可靠,需推进相关验证与检测技术。
2026-08-21 cs.CR cs.SD eess.AS