针对音频DeepFake检测对抗攻击的防御
声音
2023-06-13 v2 密码学与安全
机器学习
音频与语音处理
摘要
音频DeepFakes（DF）是利用深度学习人工生成的语音，主要旨在以极具说服力的方式欺骗听者。其质量足以在安全和隐私方面构成严重威胁，包括新闻可靠性或诽谤。为防止这些威胁，已提出多种基于神经网络的生成语音检测方法。在本工作中，我们涵盖对抗攻击这一主题，其通过对输入数据添加表层（人难以察觉）改动来降低检测器性能。我们的贡献包括评估3种检测架构在两种场景（白盒及利用可迁移性）下对对抗攻击的鲁棒性，并随后通过使用我们新颖自适应训练执行的对抗训练来增强鲁棒性。此外，所研究的架构之一是RawNet3，据我们所知，我们首次将其适配于DeepFake检测。
引用
@article{arxiv.2212.14597,
title = {Defense Against Adversarial Attacks on Audio DeepFake Detection},
author = {Piotr Kawa and Marcin Plata and Piotr Syga},
journal= {arXiv preprint arXiv:2212.14597},
year = {2023}
}
备注
Accepted to INTERSPEECH 2023