利用组成数据分析重访和改进面向欺骗的说话人验证的评分融合
音频与语音处理
2024-09-25 v2 声音
摘要
将自动说话人验证（ASV）和欺骗反措施（CM）的输出进行融合，旨在构建对零效力模仿者和合成欺骗攻击更具鲁棒性的集成系统。虽然已提出许多评分级融合方法，但其中许多仍基于经验。本文采用决策理论中的工具，对评分级融合进行了再审视，并提出了三个主要发现。首先，按将 ASV 和 CM 评分相加的方式，可在组成数据分析的基础上进行解释，融合前进行评分校准至关重要。其次，解释导向的结果导致了一种改进的融合方法，即对 ASV 和 CM 的对数似然比进行线性组合。然而，正如第三个发现所揭示的，这种线性组合在做出最优决策方面劣于非线性组合。这些发现的结果，即融合前的评分校准、改进的线性融合以及更好的非线性融合，在SASV挑战数据库上均被证明有效。
引用
@article{arxiv.2406.10836,
title = {Revisiting and Improving Scoring Fusion for Spoofing-aware Speaker Verification Using Compositional Data Analysis},
author = {Xin Wang and Tomi Kinnunen and Kong Aik Lee and Paul-Gauthier Noé and Junichi Yamagishi},
journal= {arXiv preprint arXiv:2406.10836},
year = {2024}
}
备注
Proceedings of Interspeech, DOI: 10.21437/Interspeech.2024-422. Code: https://github.com/nii-yamagishilab/SpeechSPC-mini