PartialSpoof 数据库及用于检测话语中嵌入的短假语音片段的对抗措施
音频与语音处理
2023-02-07 v3 密码学与安全
声音
摘要
自动说话人验证易受各种操纵和欺骗的影响，例如文本到语音合成、语音转换、重放、篡改、对抗攻击等。我们考虑一种称为“部分欺骗”（Partial Spoof, PS）的新欺骗场景，其中合成或变换的语音片段被嵌入到真实话语中。虽然现有的对抗措施（CMs）可以检测完全欺骗的话语，但有必要对其进行适配或扩展以应用于 PS 场景。我们提出多种改进，以构建显著更精确的 CM，能够在更细的时间分辨率下检测并定位短生成的欺骗语音片段。首先，我们引入新开发的自我监督预训练模型作为增强的特征提取器。其次，我们通过添加各种时间分辨率的片段标签来扩展我们的 PartialSpoof 数据库。由于攻击者嵌入的短欺骗语音片段长度可变，我们考虑了六种不同的时间分辨率，范围从短至 20 ms 到长达 640 ms。第三，我们提出一种新的 CM，能够同时利用不同时间分辨率的片段级标签以及话语级标签，以同时执行话语级和片段级检测。我们还表明，所提出的 CM 能够在 PS 场景以及相关的逻辑访问（LA）场景中以低错误率检测欺骗。在 PartialSpoof 数据库和 ASVspoof 2019 LA 数据库上话语级检测的等错误率分别为 0.77% 和 0.90%。
引用
@article{arxiv.2204.05177,
title = {The PartialSpoof Database and Countermeasures for the Detection of Short Fake Speech Segments Embedded in an Utterance},
author = {Lin Zhang and Xin Wang and Erica Cooper and Nicholas Evans and Junichi Yamagishi},
journal= {arXiv preprint arXiv:2204.05177},
year = {2023}
}
备注
Published in IEEE/ACM Transactions on Audio, Speech, and Language Processing (DOI: 10.1109/TASLP.2022.3233236)