自动说话人验证系统的反欺骗方法
声音
2017-05-25 v1 机器学习
机器学习
摘要
对自动说话人验证（ASV）系统日益增长的兴趣导致针对其的欺骗攻击质量显著提升。许多研究工作证实，尽管等错误率（EER）较低，ASV 系统仍然容易受到欺骗攻击。本文综述了不同的声学特征空间和分类器，以确定针对欺骗攻击的可靠且鲁棒的对策。我们在 ASVspoof 2015 挑战赛的开发与评估数据集上，比较了迄今为止提出的几种欺骗检测系统。本文展示的实验结果表明，利用幅度和相位信息的组合能显著提升欺骗检测系统的效率。此外，基于小波的特征在等错误率方面表现出令人印象深刻的结果。在我们的综述中，我们比较了基于不同分类器的系统的欺骗检测性能。比较结果表明，线性 SVM 分类器优于传统的 GMM 方法。然而，许多研究人员受深度神经网络（DNN）方法在自动语音识别中巨大成功的启发，将 DNN 应用于欺骗检测任务，并在已知和未知类型的欺骗攻击上均获得了相当低的 EER。
引用
@article{arxiv.1705.08865,
title = {Anti-spoofing Methods for Automatic SpeakerVerification System},
author = {Galina Lavrentyeva and Sergey Novoselov and Konstantin Simonchik},
journal= {arXiv preprint arXiv:1705.08865},
year = {2017}
}
备注
12 pages, 0 figures, published in Springer Communications in Computer and Information Science (CCIS) vol. 661