稀疏深度伪造检测促进更好的离散化
声音
2025-10-08 v1 人工智能
机器学习
摘要
随着语音合成技术的快速发展，深度伪造检测已成为语音处理社区的重大关注议题。由于这是一项关键任务，系统必须不仅高效且稳健，还能提供可解释的解释。针对可解释性不同方法，我们关注潜在表示的解释。在本论文中，我们关注 AASIST 深度伪造检测架构最后一层嵌入的表示。我们采用受 SAEs 启发的 TopK 激活函数用于该层，以获得稀疏表示并用于决策过程。我们证明稀疏深度伪造检测可提升检测性能，在 ASVSpoof5 测试集上实现 23.36% 的 EER，稀疏度达 95%。随后我们表明，这些表示提供更好的离散化，采用基于互信息的完整性和模块性指标进行衡量。值得注意的是，一些攻击直接编码在潜空间中。
引用
@article{arxiv.2510.05696,
title = {Sparse deepfake detection promotes better disentanglement},
author = {Antoine Teissier and Marie Tahon and Nicolas Dugué and Aghilas Sini},
journal= {arXiv preprint arXiv:2510.05696},
year = {2025}
}