基于证据深度学习的 FADEL：不确定性感知假音频检测
音频与语音处理
2025-04-23 v1 人工智能
摘要
最近，随着语音合成和语音转换技术的进步，自动说话人验证（ASV）系统面临欺骗攻击的威胁增加，导致假音频检测受到广泛关注。一个关键挑战在于将模型推广到检测未见的、离群分布（OOD）攻击。虽然已有方法在某些方面表现突出，但由于使用 softmax 进行分类，本质上存在过度自信问题，难以可靠地预测面对不可预见的欺骗尝试时的结果。为此，我们提出一种新框架，称为基于证据学习的假音频检测（FADEL）。通过对类别概率建模为 Dirichlet 分布，FADEL 将模型不确定性纳入预测，从而在 OOD 场景中实现更稳健的性能。在 ASVspoof2019 逻辑访问（LA）和 ASVspoof2021 LA 数据集上的实验结果表明，所提方法显著改进了基线模型的性能。进一步，我们通过分析不同欺骗算法中平均不确定性与相等错误率（EER）之间的强相关性，证明了不确定性估计的有效性。
引用
@article{arxiv.2504.15663,
title = {FADEL: Uncertainty-aware Fake Audio Detection with Evidential Deep Learning},
author = {Ju Yeon Kang and Ji Won Yoon and Semin Kim and Min Hyun Han and Nam Soo Kim},
journal= {arXiv preprint arXiv:2504.15663},
year = {2025}
}
备注
Accepted at ICASSP 2025