t-DCF：一种用于欺骗对策与自动说话人验证串联评估的检测代价函数
音频与语音处理
2019-04-12 v2 密码学与安全
声音
机器学习
摘要
ASVspoof 挑战系列旨在引领自动说话人验证（ASV）反欺骗研究。2015 和 2017 年的两届挑战使用等错误率（EER）指标孤立地评估欺骗对策（CM），而未结合 ASV。这一当时具战略性的评估方法存在若干缺陷。首先，CM 的 EER 未必能可靠预测 ASV 与 CM 结合时的性能。其次，EER 工作点不适合用户认证应用（如电话银行），此类应用以高目标用户先验、低欺骗攻击先验为特征。我们旨在借助一种新的串联检测代价函数（t-DCF）指标，从 CM 中心评估转向 ASV 中心评估。它将 ASV 研究中常用的常规 DCF 扩展至涉及欺骗攻击的场景。t-DCF 指标有 6 个参数：（i）两个系统的误警与漏警代价，以及（ii）目标试验与欺骗试验的先验概率（隐含第三类非目标先验）。本研究意在作为自包含、教程式的呈现。我们利用 t-DCF 分析了提交至 2015 和 2017 届 ASVspoof 的若干顶尖 CM，重点关注欺骗攻击先验。对于较低先验，各对策系统间难分伯仲；而由 EER 与 t-DCF 得出的系统排名在较高先验下显现差异。我们观察到若干排名变化。研究结果支持在未来 ASVspoof 挑战路线图中采用基于 DCF 的指标，并可能推广至其他生物特征反欺骗评估。
引用
@article{arxiv.1804.09618,
title = {t-DCF: a Detection Cost Function for the Tandem Assessment of Spoofing Countermeasures and Automatic Speaker Verification},
author = {Tomi Kinnunen and Kong Aik Lee and Hector Delgado and Nicholas Evans and Massimiliano Todisco and Md Sahidullah and Junichi Yamagishi and Douglas A. Reynolds},
journal= {arXiv preprint arXiv:1804.09618},
year = {2019}
}
备注
Published in Odyssey 2018: the Speaker and Language Recognition Workshop [cleaned up source files]