NE-PADD：基于注意力聚合利用命名实体知识的鲁棒性部分音频深度伪造检测
计算与语言
2025-09-05 v1
摘要
与传统的句子级音频深度伪造检测（ADD）不同，部分音频深度伪造检测（PADD）需要对假语音位置进行帧级定位。尽管该领域取得了一些进展，但充分利用音频语义信息，尤其是命名实体，仍是一个被忽略的方面。为此，我们提出了 NE-PADD，这是一种新的部分音频深度伪造检测（PADD）方法，通过两个平行分支利用命名实体知识：语音命名实体识别（SpeechNER）和 PADD。该方法包含两种注意力聚合机制：注意力融合（Attention Fusion, AF）用于组合注意力权重，注意力迁移（Attention Transfer, AT）用于通过辅助损失利用命名实体语义指导 PADD。基于 PartialSpoof-NER 数据集进行实验，结果表明我们的方法在现有基线方法上取得了更好的性能，证明了在 PADD 中集成命名实体知识的有效性。代码已公开于 https://github.com/AI-S2-Lab/NE-PADD。
关键词
引用
@article{arxiv.2509.03829,
title = {NE-PADD: Leveraging Named Entity Knowledge for Robust Partial Audio Deepfake Detection via Attention Aggregation},
author = {Huhong Xian and Rui Liu and Berrak Sisman and Haizhou Li},
journal= {arXiv preprint arXiv:2509.03829},
year = {2025}
}