神经欺骗反措置如何检测部分欺骗音频？
音频与语音处理
2024-06-05 v1 人工智能
声音
摘要
部分操纵句子会极大改变其含义。最近的研究表明，针对部分欺骗音频训练的反措置（Countermeasures, CM）能够有效检测此类欺骗。然而，当前对CM决策过程的理解仍有限。我们运用Grad-CAM并引入定量分析指标来解释CM的决策过程。我们发现，CM们优先关注在拼接真实音频与欺骗音频时创建的过渡区域的伪影。这种关注点不同于针对完全欺骗音频训练的CM，它们专注于真实部分与欺骗部分之间的模式差异。我们进一步的调查解释了CM在作出正确或错误预测时关注点差异的原因。这些发现为CM模型的设计和数据集的创建提供了依据。此外，本工作在此前未充分探讨的部分欺骗音频检测领域中，为可解释性工作奠定了基础。
引用
@article{arxiv.2406.02483,
title = {How Do Neural Spoofing Countermeasures Detect Partially Spoofed Audio?},
author = {Tianchi Liu and Lin Zhang and Rohan Kumar Das and Yi Ma and Ruijie Tao and Haizhou Li},
journal= {arXiv preprint arXiv:2406.02483},
year = {2024}
}
备注
Accepted at Interspeech 2024