可解释的深度学习伪造语音与欺骗检测：基于 SHapley Additive exPlanations 的攻击分析
音频与语音处理
2022-05-05 v2 声音
摘要
尽管在自动说话人验证的深度学习伪造语音与欺骗检测方面已有数年研究，人们对于分类器用以区分真实与欺骗语音的伪影仍知之甚少。理解这些伪影对于设计可信、可解释的解决方案至关重要。本文报告了我们前期工作的扩展，以借助 SHapley Additive exPlanations (SHAP) 更好地理解分类器行为并用于攻击分析。我们的目标是识别由不同攻击算法生成的语音所特有的伪影。使用一对分别作用于原始波形或幅度谱图的分类器，我们展示了 SHAP 结果的可视化可用于识别攻击特定的伪影，以及合成语音与转换语音欺骗攻击之间的差异与一致性。
引用
@article{arxiv.2202.13693,
title = {Explainable deepfake and spoofing detection: an attack analysis using SHapley Additive exPlanations},
author = {Wanying Ge and Massimiliano Todisco and Nicholas Evans},
journal= {arXiv preprint arXiv:2202.13693},
year = {2022}
}
备注
Accepted to Speaker Odyssey Workshop 2022