論文の概要: Tackling Spoofing-Aware Speaker Verification with Multi-Model Fusion

• arxiv url: http://arxiv.org/abs/2206.09131v1
• Date: Sat, 18 Jun 2022 06:41:06 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-26 12:36:13.683500
• Title: Tackling Spoofing-Aware Speaker Verification with Multi-Model Fusion
• Title（参考訳）: マルチモデル融合によるスプーフィングアウェア話者照合
• Authors: Haibin Wu, Jiawen Kang, Lingwei Meng, Yang Zhang, Xixin Wu, Zhiyong Wu, Hung-yi Lee, Helen Meng
• Abstract要約: この研究は、融合に基づくSASVソリューションに焦点を当て、複数の最先端 ASV と CM モデルのパワーを利用するマルチモデル融合フレームワークを提案する。 提案したフレームワークはSASV-EERを8.75%から1.17%に大幅に改善している。
• 参考スコア（独自算出の注目度）: 88.34134732217416
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recent years have witnessed the extraordinary development of automatic speaker verification (ASV). However, previous works show that state-of-the-art ASV models are seriously vulnerable to voice spoofing attacks, and the recently proposed high-performance spoofing countermeasure (CM) models only focus solely on the standalone anti-spoofing tasks, and ignore the subsequent speaker verification process. How to integrate the CM and ASV together remains an open question. A spoofing aware speaker verification (SASV) challenge has recently taken place with the argument that better performance can be delivered when both CM and ASV subsystems are optimized jointly. Under the challenge's scenario, the integrated systems proposed by the participants are required to reject both impostor speakers and spoofing attacks from target speakers, which intuitively and effectively matches the expectation of a reliable, spoofing-robust ASV system. This work focuses on fusion-based SASV solutions and proposes a multi-model fusion framework to leverage the power of multiple state-of-the-art ASV and CM models. The proposed framework vastly improves the SASV-EER from 8.75% to 1.17\%, which is 86% relative improvement compared to the best baseline system in the SASV challenge.
• Abstract（参考訳）: 近年、自動話者検証(ASV)の異常な発展を目撃している。 しかし、従来の研究では、最先端のASVモデルは音声スプーフィング攻撃に深刻な脆弱性があることが示されており、最近提案された高性能スプーフィング対策(CM)モデルは、単独のアンチスプーフィングタスクのみにのみフォーカスし、その後の話者検証プロセスを無視している。 cmとasvを統合する方法はまだ未解決の問題だ。 近年,CMサブシステムとASVサブシステムの両方が協調的に最適化された場合,より優れた性能が提供できるという議論が持ち上がっている。 課題のシナリオでは、参加者が提案する統合システムは、信頼性の高いスプーフィング・ロバスト型asvシステムの期待に直感的かつ効果的に合致する、標的話者からのスプーフィング攻撃の両方を拒絶することが求められている。 この研究は、融合に基づくSASVソリューションに焦点を当て、複数の最先端 ASV と CM モデルのパワーを利用するマルチモデル融合フレームワークを提案する。 提案されたフレームワークは、sasv-eerを8.75%から1.17\%に大幅に改善し、sasvチャレンジの最高のベースラインシステムと比較すると、86%の相対的な改善である。

関連論文リスト

• To what extent can ASV systems naturally defend against spoofing attacks? [73.0766904568922]
  本研究は, ASV がスプーフィング攻撃に対して頑強に堅牢性を得るか否かを考察する。 ASVの進化は本質的にスプーフ攻撃に対する防御機構を組み込んでいることを実証する。
  論文  参考訳（メタデータ） (2024-06-08T03:44:39Z)
• Generalizing Speaker Verification for Spoof Awareness in the Embedding Space [30.094557217931563]
  ASVシステムは様々な種類の敵を用いて偽造することができる。 本稿では,ディープニューラルネットワークに基づく新しいバックエンド分類手法を提案する。 ASVspoof 2019論理アクセスデータセットで実験が行われる。
  論文  参考訳（メタデータ） (2024-01-20T07:30:22Z)
• Towards single integrated spoofing-aware speaker verification embeddings [63.42889348690095]
  本研究は,1つの統合スプーフィング対応話者検証埋め込みを開発することを目的とする。 単一のSASV埋め込みの劣った性能は、不十分なトレーニングデータから得られると分析する。 実験では、SASV2022チャレンジの評価プロトコルにおいて、SASV-EERが1.06%に達するという劇的な改善が示された。
  論文  参考訳（メタデータ） (2023-05-30T14:15:39Z)
• Spoofing-Aware Speaker Verification by Multi-Level Fusion [86.19341932163813]
  自覚的話者検証(SASV)課題は、統合CMモデルとASVモデルの研究を促進することを目的としている。 本稿では,SASVタスクに対処する新しいマルチモデルとマルチレベル融合戦略を提案する。
  論文  参考訳（メタデータ） (2022-03-29T09:16:38Z)
• Optimizing Tandem Speaker Verification and Anti-Spoofing Systems [45.66319648049384]
  本稿では,t-DCFの微分可能なバージョンを作成し,強化学習の手法を用いてタンデムシステムを直接最適化することを提案する。 この手法は,ASVSpoof19データセットにおけるt-DCFの相対的改善率を20%向上させる。
  論文  参考訳（メタデータ） (2022-01-24T14:27:28Z)
• Tandem Assessment of Spoofing Countermeasures and Automatic Speaker Verification: Fundamentals [59.34844017757795]
  同一誤差率(EER)測定値を用いて,スプーフィング対策(CM)の信頼性を測る。 本稿では,タンデム検出コスト関数(t-DCF)の新たな拡張について述べる。 CMアセスメントにおけるt-DCFの導入は、アンチ・スプーフィングとASV研究コミュニティの緊密な連携を促進するのに役立つと期待されている。
  論文  参考訳（メタデータ） (2020-07-12T12:44:08Z)
• Investigating Robustness of Adversarial Samples Detection for Automatic Speaker Verification [78.51092318750102]
  本研究は,ASVシステムに対して,別個の検出ネットワークによる敵攻撃から防御することを提案する。 VGGライクな二分分類検出器を導入し、対向サンプルの検出に有効であることが実証された。
  論文  参考訳（メタデータ） (2020-06-11T04:31:56Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。