信道变化对用于欺骗检测的一类学习的影响
机器学习
2022-06-28 v3 音频与语音处理
摘要
基于间隔的损失函数，尤其是一类分类损失，已改善了反欺骗系统 (CMs) 的泛化能力，但其可靠性尚未在受信道变化退化的欺骗攻击下进行测试。我们的实验旨在从两方面解决此问题：首先，研究各种编解码器仿真及其对应参数（即比特率、不连续传输 (DTX) 和丢包）对基于一类分类的 CM 系统性能的影响；其次，测试基于间隔的损失函数在各种设置下对编解码器仿真数据上训练和评估 CM 系统的有效性。还探索了多条件训练 (MCT) 以及多种数据输入和自定义小批量策略，以处理新数据设置中增加的变异性，并找到执行上述实验的最优设置。实验结果表明，对嵌入空间的严格约束会降低一类分类模型的性能。MCT 相对提升性能 35.55%，且自定义小批量能为新数据设置捕获更具泛化性的特征。而编解码器参数的变化对反欺骗系统的性能有显著影响。
引用
@article{arxiv.2109.14900,
title = {Impact of Channel Variation on One-Class Learning for Spoof Detection},
author = {Rohit Arora and Anmol Arora and Rohit Singh Rathore},
journal= {arXiv preprint arXiv:2109.14900},
year = {2022}
}