LegközelebbKövetkező útmutató
Arc élénkségének felismerése és hamisítás elleni védelem
Vizuális AI
Audio AI ÚTMUTATÓ
A hamisítás elleni védekezés az a védekező réteg, amely észleli a hamis vagy visszajátszott hangokat, amelyek megpróbálják megtéveszteni a hanghitelesítő rendszereket.
Hallgassa meg ezt az útmutatótAI-narrált · ~2 min
Az ASVspoof a vezető kutatási kihívás ezen a területen, megosztott adatkészleteket és mérőszámokat biztosít annak mérésére, hogy a rendszer mennyire észleli a hamis beszédet.
A hangszóró-ellenőrző rendszereket hamisító támadásokkal lehet becsapni: egy felvétel újrajátszásával, egy célpont hangjának szintetizálásával szövegfelolvasással, vagy az egyik személy hangjának a másik hangjává alakításával. A hamisítás elleni védelem (más néven prezentációs támadások észlelése vagy „élénkség” észlelése) egy külön osztályozót képez, amely a hangot jóhiszeműnek vagy hamisítottnak jelöli. A 2015 óta futó ASVspoof kihívássorozat szabványosítja ezt a munkát. Az ASVspoof 2019 a támadásokat logikai hozzáférésre (TTS és hangkonverzió) és fizikai hozzáférésre (visszajátszás) osztotta, míg a 2021-es kiadás mélyhamisítási sávot és kodek/átviteli torzításokat adott. A teljesítményt egyenlő hibaaránnyal, és ami még fontosabb, a tandem detektálási költségfüggvénnyel (t-DCF) jelenti, amely a hamisítás-érzékelőt az ellenőrző rendszerrel együtt értékeli, nem pedig elszigetelten.
Valaki „A hangom a jelszavam” kifejezés visszajátszott felvételének letiltása egy hangalapú bejelentkezés ellenőrzőpontján.
A mesterséges intelligencia által klónozott hangok észlelése olyan csalárd hívásokban, amelyek elektronikus átutalást engedélyező vezérigazgatónak adják ki magukat.
A call center hangjának szűrése szintetikus beszédre a fiókhozzáférés megadása előtt.
Új védekezési módszerek összehasonlítása a nyilvános ASVspoof adatkészleteken az ellenintézkedési rendszerek igazságos összehasonlítása érdekében.
Ahogy a generatív hangklónozás szinte tökéletessé válik, a műtermék-hézag-detektorok száma egyre csökken, így a terület az általánosítás irányába tolódik el a láthatatlan támadástípusok, az önfelügyelt funkciók és a szintetikus beszédet a forrásnál címkéző hangvízjelek felé. Az ASVspoof 5 és a kapcsolódó mélyhamisítás-észlelési erőfeszítések a kodekek, nyelvek és új generátorok robusztusságát hangsúlyozzák. Várható, hogy a hamisítás elleni védelem összeolvad a széles hang-mély hamisítványokkal, és a telefonokba és a telefonközpontokba kerüljön, ahogy a hangos csalások száma nő.
Ingyenes hírlevél
Minden hétköznap reggel három ellenőrzött AI történet, egyszerű angol nyelven. Örökké ingyen, hirdetések nélkül.
Minden hétköznap egy e-mail. Egy kattintással lemondhat. Soha nem értékesítjük vagy osztjuk meg az Ön címét.
Teszteld magad
Azonnali visszajelzés minden válaszra, és megosztható tanúsítvány egy ellenőrizhető azonosítóval, miután sikeresen teljesít egy kurzust.
Támogassa az ingyenes AI oktatást. AI Understanding egy 501(c)(3) nonprofit – nincs hirdetés, nincs fizetőfal, soha. Tegyen adományt
A hamisítás elleni védekezés az a védekező réteg, amely észleli a hamis vagy visszajátszott hangokat, amelyek megpróbálják megtéveszteni a hanghitelesítő rendszereket. Az ASVspoof a vezető kutatási kihívás ezen a területen, megosztott adatkészleteket és mérőszámokat biztosít annak mérésére, hogy a rendszer mennyire észleli a hamis beszédet.
A hamisítás elleni rendszer a bejövő hangot jóhiszeműnek (valódinak) vagy hamisnak (hamisított/visszajátszott) minősíti, megvédve az ellenőrző rendszert a támadásoktól.
A logikai hozzáférési támadásokat szoftverek generálják, például a szöveg-beszéd és a hangkonverzió, és közvetlenül injektálják, míg a hangszórón keresztüli visszajátszás fizikai hozzáférési támadás.
A t-DCF az automatikus hangszóró-ellenőrző rendszerrel együtt értékeli az ellenintézkedést, tükrözve a valós telepítést, ahol mindkettő együtt működik.
A szintézis és a visszajátszás olyan műtermékeket hagy maga után, mint például abnormális fázis, spektrális hézagok és csatornaszínezés, amelyeket a detektorok megtanulnak észlelni.
Az AASIST egy gráffigyelő hálózatot használ, amely közvetlenül a hullámformából integrálja az információkat a spektrális és időbeli részsávokon keresztül.
Tanulj tovább
További útmutatók készültek ehhez a témához
LegközelebbKövetkező útmutató
Arc élénkségének felismerése és hamisítás elleni védelem
Vizuális AI