面向对抗攻击的音频深度伪造检测中的推理转移分析: 推理税与护盾分离

音频语言模型 (Audio Language Models, ALMs) 提供了一种从黑箱分类器转向可解释音频深度伪造检测 (explainable audio deepfake detections, ADDs) 的可能路径，通过提供推理痕迹为预测提供一定程度的透明度。这需要一种新的模型鲁棒性分析范式：在对抗攻击下的预测推理鲁棒性，这种范式主要关注最终预测（例如假与真）的转移，而超越了现有的范式。为分析此类推理转移，我们引入了一个 Forensic Auditing 框架，用于评估 ALMs 在三个相互关联维度上的鲁棒性：声学感知、认知连贯性和认知失调。我们的系统分析揭示，显式推理并不总是提升鲁棒性。相反，我们观察到一种分裂：对于表现出稳健声学感知的模型，推理充当防御性「护盾」，保护它们免受对抗攻击；然而对于其他模型，它则造成性能「税负」，尤其是在语言攻击下，导致认知连贯性下降和攻击成功率增加。关键的是，即使在分类失败的情况下，较高的认知失调仍可作为「静默警报」，标记潜在的操纵。总体而言，本工作对推理在 Forensic 音频深度伪造分析中的作用及其漏洞提供了关键评估。