基于迁移学习的深度卷积神经网络语音欺骗验证
音频与语音处理
2020-08-11 v1 机器学习
摘要
自动说话人验证系统如今日益普及；欺骗攻击因其使这些系统变得脆弱而成为首要关切。某些欺骗攻击如重放攻击易于实施却极难检测，从而产生了对适当对策的需求。本文中，我们提出一种基于深度卷积神经网络的语音分类器以检测欺骗攻击。我们提出的方法使用梅尔频率尺度上的功率谱密度声学时频表示（梅尔谱图），通过深度残差学习（ResNet-34 架构的改编）进行处理。使用单一模型系统，我们在 ASVspoof 2019 的逻辑访问场景开发集上取得了 0.9056% 的等错误率（EER），评估集上为 5.32%，在物理访问场景开发集上取得了 5.87% 的等错误率（EER），评估集上为 5.74%。
引用
@article{arxiv.2008.03464,
title = {Audio Spoofing Verification using Deep Convolutional Neural Networks by Transfer Learning},
author = {Rahul T P and P R Aravind and Ranjith C and Usamath Nechiyil and Nandakumar Paramparambath},
journal= {arXiv preprint arXiv:2008.03464},
year = {2020}
}