指向隐藏：利用信号指针网络揭示语音音频拼接

在刑事调查中验证录音证据的完整性是音频取证分析师工作的重要组成部分。其中一个重点是检测删除或插入操作，即所谓的音频拼接。尽管这是改动口语陈述的较为简易的手段，但细致的编辑可产生颇具说服力的结果。对于疑难案例或海量数据，自动化工具可辅助检测潜在的编辑位置。为此，迄今已提出若干分析与深度学习方法。然而，极少有方法能应对实践中预期的非受限拼接场景。借助 SigPointer，我们提出一种面向连续输入的指针网络框架，其以比现有工作更自然且更高效的方式揭示拼接位置。在取证挑战性数据（如强压缩与含噪信号）上的大量实验量化了指针机制的益处，性能提升约在 6 至 10 个百分点之间。