基于参数差分的数据增强自适应前端方法

隐藏说话者真实身份的技术称为说话者匿名化。为了欺骗自动声纹验证(Automatic Speaker Verification,ASV)系统,说话者匿名化通常通过对原始语音的时间或频谱特性来进行修改,例如通过音高缩放、声道长度归一化或语音转换。然而,匿名语音可以通过对ASV进行再训练来恢复识别出匿名语音的真实身份,例如通过匿名化同一说话者的语音来增强数据实现对匿名语音真实身份的识别。为了评估说话人匿名化的有效性,文中提出了一种注册和测试数据的预恢复方法,该方法将音频特征提取的关键参数作为遍历变量,逐一检查其对后端分类网络特征的适配性,适配性高的参数将予以保留。并对匿名语音的反匿名化进行了研究和比较。实验结果表明,预恢复方法对说话者反匿名化是有效的。此外,还发现测试数据的预恢复比注册数据的预还原表现更好。

基于Transformer编码器的合成语声检测系统

自动说话人认证系统是一种常用的目标说话人身份认证方案,但它在合成语声的攻击下表现出脆弱性,合成语声检测系统试图解决这一问题。该文提出了一种基于Transformer编码器的合成语声检测方法,利用自注意力机制学习输入特征内部的长期依赖关系。合成语声检测问题并不关注句子的抽象语义特征,用参数量较小的模型也能得到较好的检测性能。该文分别测试了4种常用合成语声检测特征在Transformer编码器上的表现,在国际标准的ASVspoof2019挑战赛的逻辑攻击数据集上,基于线性频率倒谱系数特征和Transformer编码器的系统等错误率与串联检测代价函数分别为3.13%和0.0708,且模型参数量仅为0.082 M,在较小参数量下得到了较好的检测性能。

基于深度学习的反语音欺骗模型

自动说话人验证(Automatic Speaker Verification,ASV)通过接收说话人的语音来提取说话人的语音特征,并在已经训练的模型上进行验证,最终识别输入语音的真伪,并判断说话人的身份。随着语音欺骗技术的发展,为保护ASV系统的安全性,需要提升反语音欺骗模型的性能。因此,文章提出基于深度学习的反语音欺骗模型。实验结果表明,该模型能够有效提高ASV系统的安全性。

伪装语音的自动话者识别研究

本文以语音自动话者识别系统为平台,对实际案件中出现频率较高的10种伪装语音类型进行自动话者识别测试。通过对20位发音人的正常语音和10种类型伪装语音的话者辨认和话者确认测试,分析不同语音伪装类型对自动话者识别的影响。该结果对于深入认识伪装语音的特性及其话者识别研究具有重要意义,也为自动话者识别技术的改进提供了参考。

语音伪造及检测技术研究综述

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。

录音回放攻击检测技术综述

随着录音设备价格的降低,质量的提高,且不需要专业知识的优势,所以回放攻击已成为一种最常见、最重要的说话人识别系统攻击手段。本文介绍了录音回放的易破坏性,总结了现有关于各种攻击方式(模拟说话人攻击、语音合成攻击、语音转换攻击以及回放攻击)的相关研究,并详细对现有回放攻击检测技术进行了介绍与分析,为今后相关工作的开展提供了可靠全面的背景介绍。

说话人验证系统攻击方法的研究现状及展望

自动说话人验证(Automatic speaker verification,ASV)技术的发展正在深刻地影响和改变着当前的人机交互系统,ASV作为一些智能设备的语音核心功能,可以接受目标说话人的语音并准确识别出该说话人的身份。近年来,人工智能技术的快速进展推动了ASV系统实现跨越式发展。然而,随着人工神经网络和深度学习技术的发展,越来越多的研究者开始研究如何攻击ASV系统。如何通过对原始语音进行一系列处理实现对ASV系统的攻击,是近年来语音领域研究的一个热点问题。目前,对ASV系统的攻击方法大致可分为欺骗攻击(Spoofing attack)和对抗攻击(Adversarial attack)两大类。本文对两大类的典型方法和基本原理进行综述,梳理了目前一些攻击手段中存在的若干问题,揭示了ASV系统存在的安全隐患,对今后ASV系统安全性的发展做了简要的展望,并为未来进一步提高ASV系统的安全性和可靠性提供了参考。

基于ResNeSt网络的音频欺骗检测

目前最先进的语音合成和语音转换模型能够生成人耳无法区分的虚假语音,这对自动说话人验证(ASV)系统的安全构成巨大威胁。近年来,越来越多抗欺骗对策用于提高ASV系统的可靠性。然而,在实际使用中,在检测未知攻击时遇到困难,特别是,合成语音欺骗算法的快速发展正在产生越来越强大的未知攻击。在这项工作中,由于ResNeSt网络模型在图像分类和检测任务中取得较好的成绩,因此构建了残差卷积神经网络的变体ResNeSt,使用时域二维特征转换、频域特征等各种特征提取方法(MFCC、LFCC、CQCC)来检测未知的合成语音欺骗攻击。实验结果表明,ResNeSt系统在ASV的逻辑评估集上达到了6.04%的等错误率(EER),相比ASVspoof2019的基线模型提高了25%的性能。

基于i⁃vector的电子伪装语音鲁棒还原方法研究

语音的电子伪装是指采用变声设备或语音处理软件改变说话人的个性特征,以达到故意隐藏该说话人身份的目的。电子伪装语音还原是指通过技术手段将伪装语音变回原声,这对基于语音的身份鉴别有重要意义。本文将频域和时域伪装语音的还原问题抽象为伪装因子的估计问题,通过基于i⁃vector的自动说话人确认方法估计伪装因子,并引入对称变换进一步提高估计效果。该方法借助于i⁃vector的噪声鲁棒性,提高了真实含噪场景下伪装因子的估计精度,从而改进了噪声条件下电子伪装语音的还原效果。在干净语音库TIMIT上训练i⁃vector并在含噪语音库VoxCeleb1上对本文方法进行测试,结果表明,伪装因子估计的错误率从基线系统的9.19%降低为4.49%,还原语音在自动说话人确认等错误率和听觉感知方面也取得了提升。

基于AdaBoost算法的回放语音检测研究

针对语音判别系统中单个分类器分类能力有限的问题,提出一种基于AdaBoost算法的回放语音检测方法。以常量Q倒谱系数和均值超矢量分别作为特征参数和AdaBoost算法的输入,将多个分类器的检测结果相结合并进行加权投票,从而降低系统的等错误率(EER)。研究关系因子、均值超矢量维数以及弱分类器数量对检测结果的影响,以设置系统的最优参数。实验结果表明,该检测方法在开发集和评估集上的EER值分别为4.17%和16.81%,相比GMM-ML方法分别降低了65%和44%。

语音伪装方法及其防御对策综述

语音伪装是指以隐藏说话人身份为目的对说话人的个性特征进行的改变。近年来,随着智能语音交互技术和声纹认证产品的快速发展,语音伪装被应用到语音产品隐私保护中,但是也被不法分子用以实施违法犯罪行为。因此,语音伪装成为目前语音处理和信息安全领域非常有实用意义的研究问题。在简要介绍语音伪装的典型模型和方法的基础上,梳理了语音伪装威胁量化评估方案,总结了近几年伪装语音的防御对策,分析了目前防御对策中存在的问题及技术难点,并对语音伪装的未来研究发展方向进行了展望。