解读多分支防欺架构：关联内部策略与实证绩效
声音
2026-04-23 v3 音频与语音处理
摘要
多分支深度神经网络如 AASIST3 在音频防欺 spoofing 中实现了与传统输入级显著性方法相比的领先绩效，但其内部决策动力学仍不为人知。虽然已有解释性工作主要聚焦于可视化输入人工，但不同欺骗攻击下各构建分支如何合作或竞争尚未得到充分刻画。本文构建一个用于解释 AASIST3 组件层面的框架。通过建模十四个分支和全局注意力模块的中间激活，使用协方差算子，其领先特征根构成低维谱签名。这些签名训练 CatBoost 元分类器生成 TreeSHAP 基于分支的归因，从而转换为归一化贡献份额与置信度分数（Cb），以量化模型的运行策略。通过分析 ASVspoof 2019 基准中的十三种欺骗攻击，我们识别出四种运行原型：从有效专化（如 A09，错误率为 0.04%，C=1.56）到无效共识（如 A08，错误率为 3.14%，C=0.33）。关键地，我们的分析揭示了一种有缺陷的专化模式，其中模型在错误分支上置于高置信度，导致针对攻击 A17 与 A18（错误率分别为 14.26% 与 28.63%）的绩效严重下降。这些定量发现将内部建构策略直接关联到实证可靠性，凸显了常规绩效指标所忽视的特定结构依赖性。
引用
@article{arxiv.2602.17711,
title = {Interpreting Multi-Branch Anti-Spoofing Architectures: Correlating Internal Strategy with Empirical Performance},
author = {Ivan Viakhirev and Kirill Borodin and Mikhail Gorodnichev and Grach Mkrtchian},
journal= {arXiv preprint arXiv:2602.17711},
year = {2026}
}
备注
Published at MDPI Mathematics (see at https://www.mdpi.com/2227-7390/14/2/381)