语音反欺骗中的数据增强研究
声音
2021-10-22 v1 密码学与安全
音频与语音处理
摘要
在本文中，我们深入研究了数据增强技术如何改善合成或伪造音频的检测。具体而言，我们提出了应对信道可变性、不同音频压缩、不同带宽以及未知欺骗攻击的方法，这些已被证明会显著劣化基于音频的系统与反欺骗系统的性能。我们的结果基于ASVspoof 2021挑战赛的逻辑访问(LA)与深度伪造(DF)类别。我们的研究是以数据为中心的，即模型固定，我们通过改变数据显著改进了结果。我们引入了两种数据增强形式——针对DF部分的压缩增强，以及针对LA部分的压缩与信道增强。此外，引入了一种新型在线数据增强SpecAverage，其中音频特征被其平均值掩蔽以改善泛化能力。进一步，我们引入了对数谱图特征设计以提升结果。我们最佳的单系统与融合方案在DF类别中均达到最先进性能，等错误率(EER)分别为15.46%与14.46%。我们用于LA任务的最佳系统将最佳基线EER降低了50%，最小t-DCF降低了16%。我们应对来自广泛分布的伪造数据的技术可被复现，并有助于反欺骗与基于语音的系统提升其效果。
引用
@article{arxiv.2110.10491,
title = {A Study On Data Augmentation In Voice Anti-Spoofing},
author = {Ariel Cohen and Inbal Rimon and Eran Aflalo and Haim Permuter},
journal= {arXiv preprint arXiv:2110.10491},
year = {2021}
}