面向 SASV 2022 挑战的具有多注册语音与采样策略的防欺骗注意力 ASV 后端
音频与语音处理
2022-10-27 v1
摘要
当前最先进的自动说话人验证（ASV）系统易受呈现攻击，并已探索若干区分真实试次与欺骗试次的计数器措施（CM）以保护 ASV。然而，ASV 系统与 CM 通常独立开发与优化，未考虑其相互关系。在本文中，我们提出一种新的防欺骗 ASV 后端模块，基于说话人相似度与 CM 分数高效计算组合 ASV 分数。除两分数的可学习融合函数外，所提后端模块具有两类注意力组件，即缩放点积与前馈自注意力，从而多注册语音的内部关系信息也可同时被学习。此外，设计了一种新的有效试次采样策略，用于模拟 Spoof-Aware Speaker Verification（SASV）2022 挑战中引入的新防欺骗验证场景。
引用
@article{arxiv.2209.00423,
title = {Spoofing-Aware Attention based ASV Back-end with Multiple Enrollment Utterances and a Sampling Strategy for the SASV Challenge 2022},
author = {Chang Zeng and Lin Zhang and Meng Liu and Junichi Yamagishi},
journal= {arXiv preprint arXiv:2209.00423},
year = {2022}
}
备注
Accepted by InterSpeech2022