基于纹理的自动说话人确认呈现攻击检测
声音
2020-10-09 v1 计算机视觉与模式识别
机器学习
音频与语音处理
摘要
生物特征识别系统如今广泛应用于各种场景。它们提供高安全性和高效率，且在许多情况下对用户友好。尽管有这些及其他优势，生物特征识别系统总体上以及自动说话人确认（ASV）系统特别地容易受到呈现攻击。最近的 ASVSpoof 2019 竞赛表明，基于集成分类器的呈现攻击检测（PAD）方法可以可靠地检测大多数形式的攻击。然而，这些方法从根本上依赖于集成系统中各系统间的互补性。出于提高 PAD 解决方案泛化能力的动机，本文报告了我们将纹理描述符应用于语音频谱图图像分析的探索。具体而言，我们提出了一个基于生成模型的通用 Fisher 向量特征空间。实验结果表明了我们方法的可靠性：在 100 次真实呈现中最多拒绝 16 次，而在 100 次攻击呈现中仅接受 1 次。
引用
@article{arxiv.2010.04038,
title = {Texture-based Presentation Attack Detection for Automatic Speaker Verification},
author = {Lazaro J. Gonzalez-Soler and Jose Patino and Marta Gomez-Barrero and Massimiliano Todisco and Christoph Busch and Nicholas Evans},
journal= {arXiv preprint arXiv:2010.04038},
year = {2020}
}