音频深度伪造系统的开放集源追踪
音频与语音处理
2025-07-10 v1 声音
摘要
现有研究在音频深度伪造系统的源追踪方面主要聚焦于封闭集场景，而评估开放集性能的研究仅限于少数未出现的系统。鉴于不断涌现的音频深度伪造系统，稳健的开放集源追踪显得尤为关键。我们借鉴Interspeech 2025专题源追踪会议的协议，对方法进行评估，以提高开放集源追踪性能。我们引入了一种针对外分布（OOD）检测的新型适配能量分数，即Softmax能量（SME）。我们发现，将典型温度缩放能量分数替换为SME，可在标准FPR95（在真正率为95%时的假正率）指标上实现约31%的相对平均改进。我们进一步探索了SME引导的训练以及复制合成、编解码和混响增强，最终将FPR95提升至8.3%。
引用
@article{arxiv.2507.06470,
title = {Open-Set Source Tracing of Audio Deepfake Systems},
author = {Nicholas Klein and Hemlata Tak and Elie Khoury},
journal= {arXiv preprint arXiv:2507.06470},
year = {2025}
}
备注
Accepted by INTERSPEECH 2025 as part of the special session "Source Tracing: The Origins of Synthetic or Manipulated Speech"