基于锐度感知优化的多数据集协同训练用于音频反欺骗

面向自动说话人验证的音频反欺骗旨在保护用户身份免受欺骗攻击。尽管最先进的欺骗对抗措施(CM)模型在特定数据集上表现良好，但在跨数据集评估时缺乏泛化能力。为应对此局限，先前研究探索了大型预训练模型，但其需要大量资源与时间。我们旨在开发一个紧凑但泛化良好的CM模型，以与大型预训练模型竞争。我们的方法涉及多数据集协同训练与锐度感知最小化，该组合在此领域尚未被研究。大量实验表明，所提方法在各数据集上取得了有竞争力的结果，同时参数量比大型预训练模型少4000倍。