针对音频深度伪造检测的定向增强数据

高度逼真的音频深度伪造生成器的可用性凸显了设计鲁棒音频深度伪造检测器的必要性。现有工作常仅依赖训练集中可得的真实与假数据，可能导致过拟合，从而降低对未知操作的鲁棒性。为提升音频深度伪造检测器的泛化能力，我们提出一种新颖的数据增强方法，用于生成针对模型决策边界的音频伪造伪样本。灵感来源于对抗攻击，我们扰动原始真实数据以合成具有模糊预测概率的伪造样本。在两个广为人知的架构上进行的全面实验表明，所提出的增强方法对改善这些架构的泛化能力具有积极作用。