语音 spoofing 反欺骗措施的置信度估计
音频与语音处理
2022-02-02 v2 密码学与安全
声音
摘要
传统的语音 spoofing 反欺骗措施（CM）被设计用于对输入样本作出二分类决策。然而，在闭集数据库上训练的CM理论上无法保证在未知欺骗攻击上表现良好。在某些场景中，一种替代策略是让CM在不确信时推迟决策。问题随之而来：如何估计CM对输入样本的置信度。我们研究了几种可轻松插入CM的置信度估计器。在ASVspoof2019逻辑访问数据库上，结果表明基于能量的估计器和基于神经网络的估计器在识别测试集中的未知攻击方面取得了可接受的表现。在含有额外未知攻击及来自其他数据库的真实语音样本的测试集上，置信度估计器表现中等，且CM能更好地区分具有高置信度评分的真实与欺骗样本。额外结果也揭示了通过向训练集加入未知攻击来提升置信度估计器的困难。
引用
@article{arxiv.2110.04775,
title = {Estimating the confidence of speech spoofing countermeasure},
author = {Xin Wang and Junichi Yamagishi},
journal= {arXiv preprint arXiv:2110.04775},
year = {2022}
}
备注
Work in progress. Comments are welcome. Accepted by ICASSP2022. Code is available https://github.com/nii-yamagishilab/project-NN-Pytorch-scripts. Not all the comments from anonymous reviewers can be addressed within 4 pages, apologize for that