XLSR-Mamba：用于欺骗攻击检测的双列双向状态空间模型
音频与语音处理
2025-03-04 v2 声音
摘要
Transformer 及其变体在语音处理中取得了巨大成功。然而，其多头自注意力机制计算开销大。因此，一种新型选择性状态空间模型 Mamba 被提出作为替代方案。基于其在自动语音识别中的成功，我们将 Mamba 应用于欺骗攻击检测。Mamba 适合该任务，因为它能通过处理长序列捕捉欺骗语音信号中的伪影。然而，当使用有限标注数据训练时，Mamba 的性能可能下降。为缓解此问题，我们提出基于双列架构的新型 Mamba 结构与自监督学习相结合，使用预训练的 wav2vec 2.0 模型。实验表明，我们的方法在 ASVspoof 2021 LA 和 DF 数据集上取得有竞争力的结果且推理更快，在更具挑战性的 In-the-Wild 数据集上，成为欺骗攻击检测的最强候选者。代码已公开发布于 https://github.com/swagshaw/XLSR-Mamba。
引用
@article{arxiv.2411.10027,
title = {XLSR-Mamba: A Dual-Column Bidirectional State Space Model for Spoofing Attack Detection},
author = {Yang Xiao and Rohan Kumar Das},
journal= {arXiv preprint arXiv:2411.10027},
year = {2025}
}
备注
Accepted by IEEE Signal Processing Letters