用于自动说话人验证对抗样本防御模型的对抗说话人蒸馏
声音
2025-02-17 v6 机器学习
音频与语音处理
摘要
对抗样本防御（CM）模型旨在保护自动说话人验证（ASV）系统免受欺骗攻击并防止由此导致的个人信息泄露。基于实用性与安全性考量，CM 模型通常部署于边缘设备，其计算资源与存储空间较云系统更为受限，从而将模型规模限制在一定范围内。为更好地权衡 CM 模型规模与性能，我们提出一种对抗说话人蒸馏方法，其为结合广义端到端（GE2E）预训练与对抗微调的知识蒸馏方法的改进版本。在 ASVspoof 2021 逻辑访问任务的评测阶段，我们所提对抗说话人蒸馏 ResNetSE（ASD-ResNetSE）模型取得 0.2695 min t-DCF 与 3.54% EER。ASD-ResNetSE 仅使用了 ResNetSE 模型 22.5% 的参数与 19.4% 的乘加操作数。
引用
@article{arxiv.2203.17031,
title = {Adversarial Speaker Distillation for Countermeasure Model on Automatic Speaker Verification},
author = {Yen-Lun Liao and Xuanjun Chen and Chung-Che Wang and Jyh-Shing Roger Jang},
journal= {arXiv preprint arXiv:2203.17031},
year = {2025}
}
备注
Accepted by ISCA SPSC 2022