論文の概要: System Fingerprints Detection for DeepFake Audio: An Initial Dataset and
Investigation
- arxiv url: http://arxiv.org/abs/2208.10489v1
- Date: Sun, 21 Aug 2022 05:15:40 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-24 13:47:54.292171
- Title: System Fingerprints Detection for DeepFake Audio: An Initial Dataset and
Investigation
- Title(参考訳): ディープフェイク音声のシステム指紋検出 : 初期データセットと調査
- Authors: Xinrui Yan, Jiangyan Yi, Jianhua Tao, Chenglong Wang, Haoxin Ma,
Zhengkun Tian, Ruibo Fu
- Abstract要約: 本稿では,ディープフェイク音声のシステム指紋を検出するための予備調査を行う。
5つの最新のディープラーニング音声合成システムによるディープフェイク音声データセットの実験を行った。
- 参考スコア(独自算出の注目度): 55.86520130897438
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Many effective attempts have been made for deepfake audio detection. However,
they can only distinguish between real and fake. For many practical application
scenarios, what tool or algorithm generated the deepfake audio also is needed.
This raises a question: Can we detect the system fingerprints of deepfake
audio? Therefore, this paper conducts a preliminary investigation to detect
system fingerprints of deepfake audio. Experiments are conducted on deepfake
audio datasets from five latest deep-learning speech synthesis systems. The
results show that LFCC features are relatively more suitable for system
fingerprints detection. Moreover, the ResNet achieves the best detection
results among LCNN and x-vector based models. The t-SNE visualization shows
that different speech synthesis systems generate distinct system fingerprints.
- Abstract(参考訳): ディープフェイク音声検出には多くの効果的な試みがなされている。
しかし、それらは本物と偽物としか区別できない。
多くの実用的なアプリケーションシナリオでは、deepfakeオーディオを生成するツールやアルゴリズムも必要です。
ディープフェイクオーディオのシステム指紋は検出できるか?
そこで本研究では,deepfake音声のシステム指紋を検出するための予備的調査を行う。
5つの最新のディープラーニング音声合成システムによるディープフェイク音声データセットの実験を行った。
その結果,LFCCの特徴はシステム指紋検出に比較的適していることがわかった。
さらに、ResNetはLCNNとx-vectorベースのモデルで最高の検出結果を得る。
t-SNE視覚化は、異なる音声合成システムが異なるシステム指紋を生成することを示す。
関連論文リスト
- Vulnerability of Automatic Identity Recognition to Audio-Visual
Deepfakes [13.042731289687918]
本稿では, ディープフェイクSWAN-DFの音声・映像データベースとして初めて, 唇と音声をよく同期させる手法を提案する。
我々は,SpeechBrainのECAPA-TDNNモデルなど,アート話者認識システムの脆弱性を実証する。
論文 参考訳(メタデータ) (2023-11-29T14:18:04Z) - SceneFake: An Initial Dataset and Benchmarks for Scene Fake Audio
Detection [59.083973178410474]
本稿では,シーンフェイク音声検出のためのこのようなデータセットを設計する(SceneFake)。
SceneFakeデータセットで操作された音声は、音声強調技術を用いて発話の音響シーンを改ざんするだけである。
テストセットで偽の発話を検出するだけでなく、偽検出モデルの一般化を評価して、不正な操作攻撃を検知する。
論文 参考訳(メタデータ) (2022-11-11T09:05:50Z) - An Initial Investigation for Detecting Vocoder Fingerprints of Fake
Audio [53.134423013599914]
本稿では,偽音声のボコーダ指紋を検出するための新しい問題を提案する。
8つの最先端ボコーダによって合成されたデータセットについて実験を行った。
論文 参考訳(メタデータ) (2022-08-20T09:23:21Z) - Fully Automated End-to-End Fake Audio Detection [57.78459588263812]
本稿では,完全自動エンドツーエンド音声検出手法を提案する。
まず、wav2vec事前学習モデルを用いて、音声の高レベル表現を得る。
ネットワーク構造には, Light-DARTS という異種アーキテクチャサーチ (DARTS) の修正版を用いる。
論文 参考訳(メタデータ) (2022-08-20T06:46:55Z) - Partially Fake Audio Detection by Self-attention-based Fake Span
Discovery [89.21979663248007]
本稿では,部分的に偽の音声を検出する自己認識機構を備えた質問応答(フェイクスパン発見)戦略を導入することで,新たな枠組みを提案する。
ADD 2022の部分的に偽の音声検出トラックで第2位にランクインした。
論文 参考訳(メタデータ) (2022-02-14T13:20:55Z) - WaveFake: A Data Set to Facilitate Audio Deepfake Detection [3.8073142980733]
本稿では,音声信号の解析に用いる信号処理技術について紹介する。
次に、2つの言語にまたがる5つの異なるネットワークアーキテクチャから9つのサンプルデータセットを収集した。
第3に,信号処理コミュニティから採用されている2つのベースラインモデルを実践者に提供し,さらなる研究を促進する。
論文 参考訳(メタデータ) (2021-11-04T12:26:34Z) - Evaluation of an Audio-Video Multimodal Deepfake Dataset using Unimodal
and Multimodal Detectors [18.862258543488355]
ディープフェイクはセキュリティとプライバシーの問題を引き起こす可能性がある。
ディープラーニング技術を使って人間の声をクローンする新しい領域も登場しつつある。
優れたディープフェイク検出器を開発するには、複数のモードのディープフェイクを検出する検出器が必要である。
論文 参考訳(メタデータ) (2021-09-07T11:00:20Z) - Emotions Don't Lie: An Audio-Visual Deepfake Detection Method Using
Affective Cues [75.1731999380562]
本稿では,実・偽のディープフェイクマルチメディアコンテンツを検出する学習手法を提案する。
我々は,同じビデオから2つのオーディオと視覚の類似性を抽出し,解析する。
我々は,いくつかのSOTAディープフェイク検出手法との比較を行い,DFDCでは84.4%,DF-TIMITデータセットでは96.6%の動画AUCを報告した。
論文 参考訳(メタデータ) (2020-03-14T22:07:26Z) - SynFi: Automatic Synthetic Fingerprint Generation [23.334625222079634]
我々は,高忠実度合成指紋を大規模に自動生成する新しい手法を提案する。
本手法は,実際の指紋と計算的に区別できない指紋を生成する最初の方法であることを示す。
論文 参考訳(メタデータ) (2020-02-16T07:45:29Z)
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。