論文の概要: ASVspoof 5: Crowdsourced Speech Data, Deepfakes, and Adversarial Attacks at Scale

• arxiv url: http://arxiv.org/abs/2408.08739v1
• Date: Fri, 16 Aug 2024 13:37:20 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-19 15:24:50.763679
• Title: ASVspoof 5: Crowdsourced Speech Data, Deepfakes, and Adversarial Attacks at Scale
• Title（参考訳）: ASVspoof 5: クラウドソーシングによる音声データ、ディープフェイク、大規模攻撃
• Authors: Xin Wang, Hector Delgado, Hemlata Tak, Jee-weon Jung, Hye-jin Shim, Massimiliano Todisco, Ivan Kukanov, Xuechen Liu, Md Sahidullah, Tomi Kinnunen, Nicholas Evans, Kong Aik Lee, Junichi Yamagishi,
• Abstract要約: ASVspoof 5は、音声スプーフとディープフェイク攻撃の研究を促進する一連の課題の第5版である。 本稿では,2つの課題トラック,新しいデータベース,評価指標,評価プラットフォームについて述べる。
• 参考スコア（独自算出の注目度）: 59.25180900687571
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: ASVspoof 5 is the fifth edition in a series of challenges that promote the study of speech spoofing and deepfake attacks, and the design of detection solutions. Compared to previous challenges, the ASVspoof 5 database is built from crowdsourced data collected from a vastly greater number of speakers in diverse acoustic conditions. Attacks, also crowdsourced, are generated and tested using surrogate detection models, while adversarial attacks are incorporated for the first time. New metrics support the evaluation of spoofing-robust automatic speaker verification (SASV) as well as stand-alone detection solutions, i.e., countermeasures without ASV. We describe the two challenge tracks, the new database, the evaluation metrics, baselines, and the evaluation platform, and present a summary of the results. Attacks significantly compromise the baseline systems, while submissions bring substantial improvements.
• Abstract（参考訳）: ASVspoof 5は、音声スプーフとディープフェイク攻撃の研究、および検出ソリューションの設計を促進する一連の課題の5番目の版である。 従来の課題と比較して、ASVspoof 5データベースは、様々な音響条件下で非常に多くの話者から収集されたクラウドソーシングデータから構築されている。 攻撃はクラウドソースでも発生し、代理検出モデルを使用してテストされる。 Spoofing-robust Automatic Speaker Validation (SASV) の評価およびスタンドアローン検出ソリューション、すなわち ASV のない対策を支援する新しい指標である。 本稿では,2つの課題トラック,新しいデータベース,評価指標,ベースライン,評価プラットフォームについて述べる。 攻撃はベースラインシステムを著しく損なう一方、提出は大幅な改善をもたらす。

関連論文リスト

• Temporal Variability and Multi-Viewed Self-Supervised Representations to Tackle the ASVspoof5 Deepfake Challenge [21.655127750485097]
  本稿では,特定の周波数帯域をマスクしてCMを改善するデータ拡張手法である Frequency Mask を紹介する。 実験では, ASVspoof 5 Track 1 評価セットにおいて, minDCF 0.0158 と EER 0.55% を達成した。
  論文  参考訳（メタデータ） (2024-08-13T14:15:15Z)
• 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)
• Voice Spoofing Countermeasures: Taxonomy, State-of-the-art, experimental analysis of generalizability, open challenges, and the way forward [2.393661358372807]
  本報告では,手作り特徴,ディープラーニング,エンドツーエンド,汎用スプーフィング対策ソリューションを用いたスプーフィング検出に関する文献のレビューを行う。 本稿では,これらの対策の有効性をいくつかのデータセットで報告し,コーパス間で評価する。
  論文  参考訳（メタデータ） (2022-10-02T03:53:37Z)
• Tackling Spoofing-Aware Speaker Verification with Multi-Model Fusion [88.34134732217416]
  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。
  論文  参考訳（メタデータ） (2022-06-18T06:41:06Z)
• Spoofing-Aware Speaker Verification with Unsupervised Domain Adaptation [18.684888457998284]
  対策モジュールの一次存在なしに自動話者検証システムの堅牢性を向上する。 オーディオデータを用いてバックエンドを最適化するために,教師なし領域適応手法を3つ採用する。 論理アクセスシナリオと物理アクセスシナリオの両方において顕著な改善が示された。
  論文  参考訳（メタデータ） (2022-03-21T14:02:06Z)
• ASVspoof 2021: accelerating progress in spoofed and deepfake speech detection [70.45884214674057]
  ASVspoof 2021は、スプーフの研究を促進するための2年制の課題の第4版である。 本稿では,3つのタスク,それぞれのデータベース,評価基準,4つの課題ベースライン,評価プラットフォーム,課題結果の要約について述べる。
  論文  参考訳（メタデータ） (2021-09-01T16:17:31Z)
• Improving the Adversarial Robustness for Speaker Verification by Self-Supervised Learning [95.60856995067083]
  この研究は、特定の攻撃アルゴリズムを知らずにASVの敵防衛を行う最初の試みの一つである。 本研究の目的は,1) 対向摂動浄化と2) 対向摂動検出の2つの視点から対向防御を行うことである。 実験の結果, 検出モジュールは, 約80%の精度で対向検体を検出することにより, ASVを効果的に遮蔽することがわかった。
  論文  参考訳（メタデータ） (2021-06-01T07:10:54Z)
• 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。