基于无监督域自适应的防欺骗说话人验证
声音
2022-04-27 v2 人工智能
音频与语音处理
摘要
本文中，我们提出在不主要依赖独立反欺骗模块的情况下，增强自动说话人验证（ASV）系统防欺骗鲁棒性的关注点。我们从 ASVspoof 2019 基线的标准 ASV 框架出发，基于概率线性判别分析的后端分类器来处理该问题。我们采用三种无监督域自适应技术，利用 ASVspoof 2019 数据集训练划分中的音频数据优化后端。我们在逻辑访问与物理访问两种场景下均展示了显著提升，尤其在后者（系统受重放音频攻击）上，真实与欺骗案例的相对提升分别最大达 36.1% 与 5.3%。我们进行了额外研究，如按攻击类型的细分分析、数据构成，以及与基于高斯后端的分数级反欺骗系统集成。
引用
@article{arxiv.2203.10992,
title = {Spoofing-Aware Speaker Verification with Unsupervised Domain Adaptation},
author = {Xuechen Liu and Md Sahidullah and Tomi Kinnunen},
journal= {arXiv preprint arXiv:2203.10992},
year = {2022}
}
备注
Accepted by Speaker Odyssey 2022