检索结果-南通市图书馆

计算机研究与发展 2021年第7期58卷 1466-1475页

作者：王成龙易江燕陶建华马浩鑫田正坤傅睿博中国科学技术大学信息科学技术学院合肥230027 模式识别国家重点实验室(中国科学院自动化研究所) 北京100080 中国科学院大学人工智能学院北京100049

语音伪造检测是近年的一个研究热点,受到了广泛关注.目前,卷积神经网及其变种的提出,使其在语音伪造检测任务中取得了不错进展.然而,目前仍存在2方面问题:1)当前工作假设送入卷积神经网络的特征图的每一维对结果的影响是相同的,忽视了... 详细信息

语音伪造检测是近年的一个研究热点,受到了广泛关注.目前,卷积神经网及其变种的提出,使其在语音伪造检测任务中取得了不错进展.然而,目前仍存在2方面问题:1)当前工作假设送入卷积神经网络的特征图的每一维对结果的影响是相同的,忽视了每一维上特征图的不同位置强调的信息是不一样的.2)此外,前人工作大多关注特征图的局部信息,没有利用全局视图中特征图之间的关系.为了解决以上挑战,引入全局时频注意力框架,分别对通道维度和时频维度做了注意力变换.具体而言,引入了2个并行的注意力模块:1)时频注意力模块;2)全局注意力模块.对于时频注意力模块,可以通过使用加权求和在所有时频特征图上聚合特征来进行更新.对于全局注意力模块,借鉴了SE-Net的思想,通过参数为每个特征通道生成权重.通过这种办法,可以得到特征通道上响应的全局分布.在ASVspoof2019 LA公开数据集上进行了一系列实验,结果显示所提的模型取得不错的效果,最佳模型的等错误率达到4.12%,刷新了单个模型的最好成绩.

关键词：语音鉴伪注意力机制语音伪造检测全局注意力时频注意力

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于注意力机制和端到端模型的语音伪造检测研究

基于注意力机制和端到端模型的语音伪造检测研究

引用

作者：黄磊超华中科技大学

学位级别：硕士

随着深度学习的快速发展,语音合成和语音转换等语音生成技术越来越成熟,已经能够生成非常自然流畅、逼真的语音。语音深度生成技术给人们生活带来多元化娱乐方式的同时也给声纹识别系统带来了极大的安全威胁。因此,学术界开始设计专门... 详细信息

随着深度学习的快速发展,语音合成和语音转换等语音生成技术越来越成熟,已经能够生成非常自然流畅、逼真的语音。语音深度生成技术给人们生活带来多元化娱乐方式的同时也给声纹识别系统带来了极大的安全威胁。因此,学术界开始设计专门的语音伪造检测算法。然而,目前的语音伪造检测算法采用的网络结构都是针对图像进行优化的经典结构,效果并不理想。为了有效地检测出语音信号中的伪造痕迹,根据伪造语音信号的特点对网络结构进行了一系列的优化改进,主要研究内容有:1)针对传统卷积网络不适应语音伪造检测任务而导致性能不佳的问题,从频率、通道和时域三个方面对网络结构进行了优化改进。传统卷积网络无法捕捉伪造语音频率间谐波相关性,随着层数增加通道数过多存在一定的信息冗余,最后的全局平均池化易丢失有效信息。针对以上问题,分别提出频率注意力模块、通道注意力模块和时间自注意池化层对提取的声学特征进行优化,得到一个更具判别性的声学特征。2)针对传统人工设计的声学特征提取过程中存在信息损失,单一特征无法同时检测出多种伪造攻击算法的问题,对端到端的语音伪造检测方法进行了探索。通过分析语音信号处理中傅里叶变换的计算过程,提出了使用时域卷积进行时频变换的方法,并通过实验验证了该方法的可行性;针对时域卷积参数过多且无法学习到有效的滤波器等问题,引入了SincNet中的sinc函数构建仅含两个可学习参数的带通滤波器卷积,减少参数的同时带来了性能的提升;另外受RawNet2启发,提出将二维卷积网络残差块替换为一维时域卷积残差块并利用循环卷积网络GRU对时间帧特征进行建模的方法。3)通过在ASVspoof2019 LA数据集上的大量对比实验,表明了所提方法的有效性和可行性,其中基于注意力机制模型的最优算法EER为1.87%,超越了目前已知的所有单系统模型。

关键词：深度学习自动说话人识别语音伪造检测注意力机制端到端模型

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

语音伪造及检测技术研究综述

引用

信号处理 2021年第12期37卷 2412-2439页

作者：任延珍刘晨雨刘武洋王丽娜空天信息安全与可信计算教育部重点实验室湖北武汉430072 武汉大学国家网络安全学院湖北武汉430072

语音承载着人类语言和说话人身份信息,通过语音伪造技术可以精确模仿目标说话人的声音以达到欺骗人或机器听觉的目的。目前,深度伪造(Deepfake)正在对全球的政治经济及社会稳定带来极大的威胁,其中语音伪造是Deepfake实现舆论操控的核... 详细信息

语音承载着人类语言和说话人身份信息,通过语音伪造技术可以精确模仿目标说话人的声音以达到欺骗人或机器听觉的目的。目前,深度伪造(Deepfake)正在对全球的政治经济及社会稳定带来极大的威胁,其中语音伪造是Deepfake实现舆论操控的核心技术之一。近年来语音伪造技术在拟人度、自然度方面有了显著进步,使得语音伪造检测技术面临着更大的挑战。本文对当前主流的语音伪造和伪造语音检测技术研究现状进行综述,主要包括:1)对主流语音伪造技术,包括语音合成、语音转换和语音对抗样本的基本概念、技术发展历程和研究进展进行综述;2)对伪造语音检测技术的基本概念、性能评价指标、主要技术实现原理和性能效果进行综述;3)对伪造语音检测相关的主流竞赛、常用数据集和可用代码工具资源进行介绍;最后对语音伪造和检测技术现存的挑战性问题和未来的研究方向进行讨论。

关键词：语音伪造语音伪造检测语音合成语音转换说话人验证对抗样本

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于混合特征和多通道GRU的伪造语音鉴别方法

引用

信息网络安全 2021年第10期 1-7页

作者：潘孝勤杜彦辉中国人民公安大学信息网络安全学院北京100038

为了解决现有鉴伪模型存在的泛化能力不强、检测准确率较低等难题,文章提出基于混合特征融合的多通道GRU伪造语音鉴别模型。该模型利用多通道挖掘不同输入特征的多尺度信息,同时引入注意力机制对多尺度特征进行融合并决策分类。在ASVspo... 详细信息

为了解决现有鉴伪模型存在的泛化能力不强、检测准确率较低等难题,文章提出基于混合特征融合的多通道GRU伪造语音鉴别模型。该模型利用多通道挖掘不同输入特征的多尺度信息,同时引入注意力机制对多尺度特征进行融合并决策分类。在ASVspoof2019数据集上进行验证,所提方法对Logical Access伪造样本的检测准确率达到了96.30%,对Physical Access达到了87.33%,优于其他算法。实验结果证明,时频域特征融合的伪造语音检测方法能够学习更有效的真伪鉴别特征,获得更高的检测准确率。

关键词：语音伪造检测多通道GRU 特征融合深度学习

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：