DeepFense：面向鲁棒深度伪造音频检测的统一、模块化框架
声音
2026-04-10 v1 音频与语音处理
摘要
语音深度伪造检测是一个已建立的研究领域，涉及不同的模型、数据集和训练策略。然而，缺乏标准化的实现和评估协议限制了可重复性、基准测试和跨研究的比较。在本工作中，我们present了DeepFense，一个综合性、开源的PyTorch工具包，集成了最新的架构、损失函数和数据增强管道，包含超过100个配方。通过DeepFense，我们对超过400个模型进行了大规模评估。我们的发现表明， carefully curated的训练数据可以改善跨域泛化，但预训练前端特征提取器的选择主导了整体性能差异。关键的是，我们展示了高性能模型在音频质量、说话人性别和语言方面的严重偏见。DeepFense预计将促进实际部署，提供必要的工具来解决公平训练数据选择和前端微调问题。
引用
@article{arxiv.2604.08450,
title = {DeepFense: A Unified, Modular, and Extensible Framework for Robust Deepfake Audio Detection},
author = {Yassine El Kheir and Arnab Das and Yixuan Xiao and Xin Wang and Feidi Kallel and Enes Erdem Erdogan and Ngoc Thang Vu and Tim Polzehl and Sebastian Moeller},
journal= {arXiv preprint arXiv:2604.08450},
year = {2026}
}
备注
Deepfense Toolkit