攻击不可知数据集：面向音频 DeepFake 检测的泛化与稳定性
声音
2022-10-13 v2 机器学习
摘要
音频 DeepFake 能够生成高质量且具说服力的语音，并因其潜在应用（如冒充或假新闻）而构成威胁。检测此类篡改的方法应具备良好的泛化性与稳定性，从而对抗未显式纳入训练的技法的攻击时保持鲁棒。本工作中，我们引入 Attack Agnostic Dataset——由两个音频 DeepFake 与一个反欺骗数据集组合而成，得益于对攻击的互斥使用，可提升检测方法的泛化能力。我们对当前 DeepFake 检测方法进行了透彻分析，并考量不同音频特征（前端）。此外，我们提出一种基于 LCNN 且采用 LFCC 与梅尔谱图前端的模型，其不仅具有优良的泛化与稳定性表现，且较基于 LFCC 的模型有所提升——我们在所有折上降低了标准差，并在两个折上将 EER 降低至多 5%。
引用
@article{arxiv.2206.13979,
title = {Attack Agnostic Dataset: Towards Generalization and Stabilization of Audio DeepFake Detection},
author = {Piotr Kawa and Marcin Plata and Piotr Syga},
journal= {arXiv preprint arXiv:2206.13979},
year = {2022}
}
备注
Proceedings of INTERSPEECH 2022 (Updated version: corrected ASVspoof dataset description)