基于 RawNet2 的端到端反欺骗
音频与语音处理
2021-12-17 v3
摘要
欺骗对策旨在保护自动说话人验证系统免受利用伪造语音信号破坏其可靠性的企图。尽管最近的 ASVspoof 2019 评测结果显示出检测大多数攻击形式的巨大潜力，但某些攻击仍未被检出。本文报道了 RawNet2 在反欺骗中的首次应用。RawNet2 直接接收原始音频，有潜力学习使用更传统对策方案无法检测的线索。我们描述了为将原始 RawNet2 架构应用于反欺骗所做的修改。对于 A17 攻击，我们的 RawNet2 系统结果位居已报道的第二好，而 RawNet2 与基线对策的融合在完整 ASVspoof 2019 逻辑访问条件下取得了已报道的第二好结果。我们的结果可使用开源软件复现。
引用
@article{arxiv.2011.01108,
title = {End-to-end anti-spoofing with RawNet2},
author = {Hemlata Tak and Jose Patino and Massimiliano Todisco and Andreas Nautsch and Nicholas Evans and Anthony Larcher},
journal= {arXiv preprint arXiv:2011.01108},
year = {2021}
}
备注
Accepted to ICASSP 2021