https://blog.qife122.com/tags/%E9%9F%B3%E9%A2%91%E5%AE%89%E5%85%A8/ Recent content in 音频安全 on 办公AI智能小助手 Hugo zh-cn qife Tue, 23 Sep 2025 09:54:18 +0800 https://blog.qife122.com/p/%E5%8F%8C%E9%87%8D%E8%A7%86%E8%A7%92%E4%B8%80%E4%B8%AA%E7%9C%9F%E7%9B%B8%E8%9E%8D%E5%90%88%E9%A2%91%E8%B0%B1%E4%B8%8E%E8%87%AA%E7%9B%91%E7%9D%A3%E7%89%B9%E5%BE%81%E5%AE%9E%E7%8E%B0%E9%B2%81%E6%A3%92%E8%AF%AD%E9%9F%B3%E6%B7%B1%E5%BA%A6%E4%BC%AA%E9%80%A0%E6%A3%80%E6%B5%8B/ Tue, 23 Sep 2025 09:54:18 +0800 https://blog.qife122.com/p/%E5%8F%8C%E9%87%8D%E8%A7%86%E8%A7%92%E4%B8%80%E4%B8%AA%E7%9C%9F%E7%9B%B8%E8%9E%8D%E5%90%88%E9%A2%91%E8%B0%B1%E4%B8%8E%E8%87%AA%E7%9B%91%E7%9D%A3%E7%89%B9%E5%BE%81%E5%AE%9E%E7%8E%B0%E9%B2%81%E6%A3%92%E8%AF%AD%E9%9F%B3%E6%B7%B1%E5%BA%A6%E4%BC%AA%E9%80%A0%E6%A3%80%E6%B5%8B/ <h1 id="摘要">摘要</h1> <p>近年来，合成语音技术的进步使得音频深度伪造愈发逼真，带来了严重的安全风险。现有的检测方法通常依赖单一模态，无论是原始波形嵌入还是基于频谱的特征，都容易受到非伪造干扰的影响，并且往往对已知伪造算法过拟合，导致对未知攻击的泛化能力较差。为解决这些缺陷，我们研究了混合融合框架，将基于自监督学习（SSL）的表示与手工制作的频谱描述符（如MFCC、LFCC、CQCC）相结合。通过对齐和融合跨模态的互补信息，这些融合方法能够捕捉到单一特征方法通常忽略的细微伪造痕迹。我们探索了多种融合策略，包括简单拼接、交叉注意力、相互交叉注意力以及可学习的门控机制，以最优方式将SSL特征与细粒度频谱线索融合。我们在四个具有挑战性的公开基准上评估了我们的方法，并报告了泛化性能。所有融合变体均一致优于仅使用SSL的基线，其中交叉注意力策略实现了最佳的泛化性能，相对等错误率（EER）降低了38%。这些结果证实，联合建模波形和频谱视图能够为音频深度伪造检测生成鲁棒的、领域无关的表示。</p>