論文の概要: Learning as Deepfakes Evolve: RF-Prompt for Continual Audio Deepfake Detection

• arxiv url: http://arxiv.org/abs/2609.37586v1
• Date: Tue, 29 Sep 2026 13:43:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-30 21:28:47.575535
• Title: Learning as Deepfakes Evolve: RF-Prompt for Continual Audio Deepfake Detection
• Title（参考訳）: ディープフェイクの進化としての学習:連続したオーディオディープフェイク検出のためのRFプロンプト
• Abstract要約: 連続的なディープフェイク検出には,先行した音声の識別を維持しながら,新たなディープフェイク法を学習する必要がある。 我々は,これらの要因を研究するため,同一のトレーニング,開発,評価プール上に5つのタスク組織を構築した。 本研究では,非対称な連続的プロンプト学習手法であるRF-Promptを提案する。
• 参考スコア（独自算出の注目度）: 28.23528225687407
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Continual audio deepfake detection requires learning newly emerging deepfake methods while retaining discrimination of previously encountered speech. Existing dataset-incremental evaluation changes both real-speech domains and deepfake mechanisms, making their effects difficult to distinguish. We construct five task organizations over identical training, development, and evaluation pools to study these factors under a controlled sample budget. Our proposed Real-Anchored Mechanism-Incremental (RAMI) protocol reflects the practical setting in which available real speech provides a recurring mixed-domain reference while new deepfake mechanisms arrive incrementally. We further propose RF-Prompt, an asymmetric continual prompt-learning method that preserves reusable real-speech knowledge through a shared real prompt and expands mechanism-specific knowledge through inherited fake experts with orthogonal residuals. Input-adaptive soft fusion combines the accumulated experts into a fixed number of injected tokens without requiring task identity at inference. On RAMI, RF-Prompt achieves 10.110% average EER and 10.370% pooled EER, outperforming all evaluated continual-learning baselines. Across the five controlled protocols, RAMI yields the lowest common-average and pooled EER. Component ablations, limited-data experiments, and cross-backbone evaluations further validate the proposed design.
• Abstract（参考訳）: 連続的なディープフェイク検出には,先行した音声の識別を維持しながら,新たなディープフェイク法を学習する必要がある。 既存のデータセット・インクリメンタルな評価は、実音声ドメインとディープフェイクメカニズムの両方を変えるため、その効果を区別しにくくする。 我々は,これらの要因を研究するため,同一のトレーニング,開発,評価プール上に5つのタスク組織を構築した。 提案したRAMIプロトコルは、利用可能な実音声が繰り返し混合ドメイン参照を提供し、新しいディープフェイク機構が漸進的にやってくるという現実的な設定を反映している。 さらに,非対称な非対称連続的プロンプト学習手法であるRF-Promptを提案する。 入力適応型ソフトフュージョンは、蓄積した専門家を推論時にタスクアイデンティティを必要とせずに、一定数のトークンに結合する。 RAMIでは、RF-Promptは平均EERの10.110%、プールEERの10.370%を達成し、評価された連続学習ベースラインを上回っている。 制御された5つのプロトコルの中で、RAMIは平均値が低く、EERがプールされている。 コンポーネントの短縮、限定データ実験、およびクロスバックボーン評価は、提案された設計をさらに検証する。

関連論文リスト

• From Controlled to the Wild: Evaluation of Pentesting Agents for the Real-World [4.065564250241855]
  本稿では,タスク完了から検証済みの脆弱性発見へ評価をシフトする実用的評価プロトコルを提案する。 このプロトコルは、AIペンテスティングエージェントのより現実的で運用上の情報的な比較を可能にすることによって、最先端の技術を拡張している。
  論文  参考訳（メタデータ） (2026-05-11T16:50:00Z)
• Awakening Dormant Experts:Counterfactual Routing to Mitigate MoE Hallucinations [47.02065120237642]
  本稿では,専門家の覚醒を目的としたトレーニングフリー推論フレームワークCoRを提案する。 CoRは、計算資源を動的にシフトさせるために、レイヤーワイド摂動解析とCEI(Counterfactual Expert Impact)メトリクスを統合する。 TruthfulQA、FACTOR、TriviaQAの実験では、予測予算を増やさずに、CoRが現実の精度を平均3.1%向上することを示した。
  論文  参考訳（メタデータ） (2026-04-15T06:21:47Z)
• From Transcripts to AI Agents: Knowledge Extraction, RAG Integration, and Robust Evaluation of Conversational AI Assistants [0.0]
  顧客向け産業向けの信頼できる会話AIアシスタントの構築は、ノイズの多い会話データ、断片化された知識、正確なヒューマンハンドオフの必要性により、依然として困難である。 本稿では,履歴書から直接対話型AIアシスタントを構築し,評価するためのエンドツーエンドフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-01-26T07:44:47Z)
• Accelerate Speculative Decoding with Sparse Computation in Verification [49.74839681322316]
  投機的復号化は、複数のドラフトトークンを並列に検証することにより、自動回帰言語モデル推論を加速する。 既存のスペーシフィケーション方式は主にトークン・バイ・トーケンの自己回帰復号化のために設計されている。 そこで本研究では,注目度,FFN,MoEを両立させるスパース検証フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-12-26T07:53:41Z)
• Going Beyond Expert Performance via Deep Implicit Imitation Reinforcement Learning [3.691573844585973]
  本研究では、深層強化学習と観測専用データセットからの暗黙的模倣学習を組み合わせた暗黙的模倣強化学習フレームワークを提案する。 我々の主要なアルゴリズムであるDeep Implicit Q-Network (DIIQN)は、オンライン探索を通じて専門家の行動を再構築するアクション推論機構を採用している。 我々はさらに、専門家とエージェントが異なるアクションセットを持つシナリオに取り組むために、不均一なアクションDIIQN(HA-DIIQN)アルゴリズムでフレームワークを拡張した。
  論文  参考訳（メタデータ） (2025-11-05T16:33:39Z)
• Coarse-to-Fine Proposal Refinement Framework for Audio Temporal Forgery Detection and Localization [60.899082019130766]
  本稿では、フレームレベル検出ネットワーク(FDN)と、音声の時間的偽造検出とローカライゼーションのための改良ネットワーク(PRN)を提案する。 FDNは、偽のフレーム間で情報的不整合の手がかりを抽出し、偽の領域を大まかに示すのに有用な識別的特徴を得る。 PRNは、FDNから派生した粗粒度の提案を洗練するために、信頼スコアと回帰オフセットを予測する責任がある。
  論文  参考訳（メタデータ） (2024-07-23T15:07:52Z)
• Training-Free Deepfake Voice Recognition by Leveraging Large-Scale Pre-Trained Models [52.04189118767758]
  一般化は、現在のオーディオディープフェイク検出器の主な問題である。 本稿では,オーディオディープフェイク検出のための大規模事前学習モデルの可能性について検討する。
  論文  参考訳（メタデータ） (2024-05-03T15:27:11Z)
• What to Remember: Self-Adaptive Continual Learning for Audio Deepfake Detection [53.063161380423715]
  既存の検出モデルは、既知のディープフェイク音声を識別することに成功したが、新しい攻撃タイプに遭遇する際には苦労している。 本稿では,Radian Weight Modification (RWM) と呼ばれる連続的な学習手法を提案する。
  論文  参考訳（メタデータ） (2023-12-15T09:52:17Z)

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。