基于狄利克雷分布的可信虚假音频检测
声音
2025-06-04 v1 多媒体
音频与语音处理
摘要
随着基于深度学习的语音转换和语音合成技术的不断发展，虚假音频带来的网络安全问题日益严重。先前提出的防御虚假音频的模型已取得显著性能，然而，它们在建模模型自身决策的可信度方面均存在不足。基于此，我们提出了一种基于狄利克雷分布的合理虚假音频检测方法，旨在增强虚假音频检测的可靠性。具体而言，我们首先通过神经网络生成证据，随后利用狄利克雷分布对不确定性进行建模。通过用狄利克雷分布的参数建模置信度分布，可以获得每次决策的不确定性估计。最后，将预测概率与相应的不确定性估计相结合，形成最终决策意见。在 ASVspoof 系列数据集（即 ASVspoof 2019 LA、ASVspoof 2021 LA 和 DF）上，我们进行了大量对比实验，验证了所提模型在准确率、鲁棒性和可信度方面的优异性能。
引用
@article{arxiv.2506.02401,
title = {Trusted Fake Audio Detection Based on Dirichlet Distribution},
author = {Chi Ding and Junxiao Xue and Cong Wang and Hao Zhou},
journal= {arXiv preprint arXiv:2506.02401},
year = {2025}
}