使用自适应可学习波束成形器的多通道重放语音检测

重放攻击属于针对语音控制系统的严重威胁之一，它通过录制和重放语音信号来利用语音信号的易获取性，从而获得对敏感数据的未授权访问。本文提出了一种名为 M-ALRAD 的多通道神经网络架构，用于基于空间音频特征检测重放攻击。该方法将可学习自适应波束成形器与卷积循环神经网络相结合，实现了空间滤波与分类的联合优化。实验在 ReMASC 数据集上进行，这是一个先进的多通道重放语音检测数据集，包含四种麦克风阵列配置和四种环境。在 ReMASC 数据集上的结果表明，该方法优于现有先进方法，并在具有挑战性的声学环境中取得了显著提升。此外，我们证明与以往研究相比，该方法能够更好地泛化到未见过的环境。