論文の概要: SENTRY: A Streaming Edge Network Trust Engine for Real-Time Audio Deepfake Detection

• arxiv url: http://arxiv.org/abs/2610.24468v1
• Date: Sat, 17 Oct 2026 05:22:59 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-20 11:43:28.291483
• Title: SENTRY: A Streaming Edge Network Trust Engine for Real-Time Audio Deepfake Detection
• Title（参考訳）: SENTRY:リアルタイムオーディオディープフェイク検出のためのストリーミングエッジネットワークトラストエンジン
• Abstract要約: 本稿では,ネットワークエッジにおけるインラインディープフェイク検出のためのハードウェア指向ストリーミングトラストエンジンであるSENTRYを提案する。 教師付き勾配ブースト木分類器と教師なしマハラノビス分布検出器を組み合わす。 クローズドセットプロトコルの下では、SENTRYはWaveFake上で98.75%の精度を1.25%の等エラーレート(EER)で達成し、HiFi-GANとWaveGlowを完全分離する。 ASVspoof 2019 LA(A01-A06を攻撃)では、8kHzのミューロー・テレフォニー・チャンネルが攻撃された。
• 参考スコア（独自算出の注目度）: 0.822469542459168
• License:
• Abstract: Real-time voice cloning has enabled large-scale streaming deepfake and vishing attacks, while existing Network Detection and Response (NDR) solutions rely on GPU-based post-processing that requires buffered audio and generalizes poorly to unseen speech synthesis models. This paper presents SENTRY, a hardware-oriented, streaming trust engine for inline deepfake detection at the network edge. SENTRY employs an integer lifting-wavelet front end together with a bank of multiplier-free transforms, including wavelet-packet envelopes, Walsh-Hadamard sequency profiles, waveform micro-statistics, and long-term spectral features, designed so that acoustic analysis needs only integer add, shift, compare and bitwise operations. A supervised gradient-boosted tree classifier is combined with an unsupervised Mahalanobis out-of-distribution detector trained solely on authentic speech, and their outputs are fused by a lightweight logistic layer to produce graduated LOG, CHALLENGE, or DROP actions. Under a closed-set protocol, SENTRY reaches 98.75% accuracy at a 1.25% equal-error rate (EER) on WaveFake, with perfect separation of HiFi-GAN and WaveGlow; its supervised track alone achieves an AUC of 0.9994 (fused: 0.9993). On ASVspoof 2019 LA (attacks A01-A06) over an 8 kHz mu-law telephony channel, it reaches 94.75% accuracy at a 5.05% EER, with a supervised-track AUC of 0.9948 (fused: 0.9884) and per-attack EERs below 7%. In our prototype, the feature front end runs as bit-exact integer code on one Arm Cortex-A53 core, and the classifier and fusion stage are synthesized for a Xilinx Zynq UltraScale+ MPSoC using no DSP slices, returning a decision 220 ns after a feature vector is ready. These results indicate that deepfake screening can be placed inline without GPUs or floating-point hardware; generalization to unseen generators is left to future work.
• Abstract（参考訳）: リアルタイム音声クローニングは大規模なストリーミングディープフェイクとヴァイシング攻撃を可能にする一方で、既存のNetwork Detection and Response(NDR)ソリューションはバッファリングされたオーディオを必要とするGPUベースの後処理に依存しており、未知の音声合成モデルに不適当に一般化されている。 本稿では,ネットワークエッジにおけるインラインディープフェイク検出のためのハードウェア指向ストリーミングトラストエンジンであるSENTRYを提案する。 SENTRYは、ウェーブレット・パケット・エンベロープ、ウォルシュ・ハダマール・シークエンス・プロファイル、波形マイクロ統計、および長期スペクトル特徴を含む、乗算器のない変換のバンクと共に整数リフト・ウェーブレットのフロントエンドを使用し、音響解析が整数加算、シフト、比較、ビットワイズ演算のみを必要とするように設計されている。 教師付き勾配ブースト木分類器と教師なしマハラノビス分布検出器を組み合わさり、その出力を軽量なロジスティック層で融合させて、累積LOG、CHALLENGE、DROPアクションを生成する。 クローズドセットプロトコルの下では、SENTRYはWaveFake上で98.75%の精度に達し、HiFi-GANとWaveGlowを完全分離した。 ASVspoof 2019 LA(アタックA01-A06)では8kHzのミューロー・テレフォニー・チャンネルで94.75%の精度で5.05%のEERに到達し、教師付きトラックAUCは0.9948(融合:0.9884)、攻撃当たりEERは7%未満である。 プロトタイプでは,機能フロントエンドはArm Cortex-A53コア上でビットエクササイズ整数コードとして動作し,DSPスライスのないXilinx Zynq UltraScale+ MPSoCに対して分類器と融合ステージを合成し,特徴ベクトルの準備が整った後に220 nsの値を返す。 これらの結果から,GPUや浮動小数点ハードウェアを使わずにディープフェイクスクリーニングをインラインで実施できることが示唆された。

関連論文リスト

• Constrained Decoding for Diffusion Language Models via Efficient Inference over Finite Automata [57.27430779838529]
  有限オートマトンとして表現可能な任意の制約の下で,制約付き平均場後部からサンプリングする,正確かつトラクタブルなアルゴリズムを提案する。 このアプローチは、構築による制約満足度を保証し、欲求とサンプリングベースのデコーディングの両方をサポートし、並列およびブロックワイドデコーディングと互換性がある。 Dream-7B と LLaDA-8 の実証的な評価は、様々なタスクにおいてかなりの精度の向上を示した。
  論文  参考訳（メタデータ） (2026-07-08T05:48:57Z)
• An Efficient vLLM-Based Inference Pipeline for Unified Audio Understanding and Generation [63.50393485685279]
  音声の理解と生成を統一する vLLM ベースの推論パイプラインを提案する。 共有直観自由誘導(CFG)のスループットを克服する。 連続バッチ内でペア条件と非条件要求を共スケジューリングすることにより、CFGの実装は、非CFGスループットの80%を維持できます。
  論文  参考訳（メタデータ） (2026-07-02T12:55:11Z)
• FlowFake: Liquid Networks for Audio Deepfake Detection [22.027087796412605]
  FlowFake は、スペクトル (10ms) と韻律 (2s) のキューを同時に解決する、ニューロンごとの適応時間定数を持つ、LTC (Liquid Time-Constant) アーキテクチャである。 わずか34Kパラメータで、FlowFakeは正式なBIBO安定性とO(dt4)統合エラーを達成する。
  論文  参考訳（メタデータ） (2026-06-17T20:32:32Z)
• Audio Deepfake Detection with Half-Truth Localisation Using Cross-Attentive Feature Fusion [0.0]
  CAFNetは3次分類(リアル、フルフェイク、ハーフトゥルース)を行い、合成された領域の時間的境界を1つの前方通過で遅らせる。 2値検出では、96.76%の精度と3.20%の誤差率(EER)を達成し、500倍以上のパラメータで微調整されたXLS-R 300M(78.31%)とAST 87M(93.03%)を上回っている。
  論文  参考訳（メタデータ） (2026-05-28T07:47:22Z)
• Neural-HAR: A Dimension-Gated CNN Accelerator for Real-Time Radar Human Activity Recognition [5.400353553418959]
  本稿では,資源制約のあるプラットフォーム上でのリアルタイムレーダHARに適した次元ゲート型CNNアクセラレータを提案する。 GateCNNの精度は86.4%で、パラメータは2.7kで、推論あたり0.28M FLOPはCNN-BiGRUに匹敵する。 Xilinx Zynq-7000 Z-7007SのFPGAプロトタイプは、LUTベースのROMと分散RAMのみを使用した107.5$mu$sレイテンシと15mWのダイナミックパワーを実現しました。
  論文  参考訳（メタデータ） (2025-10-26T17:42:28Z)
• End-to-end Audio Deepfake Detection from RAW Waveforms: a RawNet-Based Approach with Cross-Dataset Evaluation [8.11594945165255]
  生波形を直接操作するオーディオディープフェイク検出のためのエンドツーエンドのディープラーニングフレームワークを提案する。 我々のモデルであるRawNetLiteは、手作りの事前処理なしでスペクトルと時間の両方の特徴を捉えるために設計された軽量な畳み込み並列アーキテクチャである。
  論文  参考訳（メタデータ） (2025-04-29T16:38:23Z)
• Global Context Aggregation Network for Lightweight Saliency Detection of Surface Defects [70.48554424894728]
  我々は,エンコーダ・デコーダ構造上の表面欠陥を簡易に検出するためのGCANet(Global Context Aggregation Network)を開発した。 まず、軽量バックボーンの上部層に新しいトランスフォーマーエンコーダを導入し、DSA(Depth-wise Self-Attention)モジュールを通じてグローバルなコンテキスト情報をキャプチャする。 3つの公開欠陥データセットの実験結果から,提案したネットワークは,他の17の最先端手法と比較して,精度と実行効率のトレードオフを良好に達成できることが示された。
  論文  参考訳（メタデータ） (2023-09-22T06:19:11Z)
• WNARS: WFST based Non-autoregressive Streaming End-to-End Speech Recognition [59.975078145303605]
  本稿では,ハイブリッドCTC-attention AEDモデルと重み付き有限状態トランスデューサを用いた新しいフレームワークWNARSを提案する。 AISHELL-1タスクでは、640msの遅延で5.22%の文字エラー率を達成し、オンラインASRの最先端のパフォーマンスである私たちの知識を最大限に活用します。
  論文  参考訳（メタデータ） (2021-04-08T07:56:03Z)
• FastFlowNet: A Lightweight Network for Fast Optical Flow Estimation [81.76975488010213]
  ディセンス光学フロー推定は、多くのロボットビジョンタスクで重要な役割を果たしています。 現在のネットワークはしばしば多くのパラメータを占有し、計算コストがかかる。 提案したFastFlowNetは、周知の粗大なやり方で、以下のイノベーションで機能する。
  論文  参考訳（メタデータ） (2021-03-08T03:09:37Z)
• Enabling certification of verification-agnostic networks via memory-efficient semidefinite programming [97.40955121478716]
  本稿では,ネットワークアクティベーションの総数にのみ線形なメモリを必要とする一階二重SDPアルゴリズムを提案する。 L-inf の精度は 1% から 88% ,6% から 40% に改善した。 また,変分オートエンコーダの復号器に対する2次安定性仕様の厳密な検証を行った。
  論文  参考訳（メタデータ） (2020-10-22T12:32:29Z)

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。