用于真实、虚假及部分虚假音频检测的 RFP 数据集
声音
2024-04-30 v1 密码学与安全
音频与语音处理
摘要
深度学习的最新进展使得生成听起来自然的合成语音成为可能。然而，攻击者也利用这些技术进行网络钓鱼等攻击。目前已创建了众多公开数据集以促进有效检测模型的开发。但是，现有数据集仅包含完全虚假的音频；因此，检测模型可能会漏掉将真实音频中一小段替换为虚假音频的攻击。针对这一问题，本文提出了 RFP 数据集，该数据集包含五种不同的音频类型：部分虚假（PF）、带噪音频、语音转换（VC）、文本转语音（TTS）和真实音频。随后使用这些数据评估了几种检测模型，结果显示现有检测模型在检测 PF 音频时的等错误率（EER）显著高于检测完全虚假音频时的 EER。记录到的最低 EER 为 25.42%。因此，我们认为检测模型的创建者必须认真考虑使用包含 PF 及其他类型虚假音频的 RFP 数据集。
引用
@article{arxiv.2404.17721,
title = {An RFP dataset for Real, Fake, and Partially fake audio detection},
author = {Abdulazeez AlAli and George Theodorakopoulos},
journal= {arXiv preprint arXiv:2404.17721},
year = {2024}
}