Fisiológico

Dec 07, 2023

Imprensa de Ensino Superior

imagem: A estrutura do modelo propostoVeja mais

Crédito: Higher Education Press Limited Company

Os sistemas biométricos de reconhecimento de fala estão frequentemente sujeitos a vários ataques de falsificação, sendo os mais comuns os ataques de síntese e conversão de fala. Esses ataques de spoofing podem fazer com que o sistema biométrico de reconhecimento de fala aceite incorretamente esses ataques de spoofing, o que pode comprometer a segurança desse sistema. Os pesquisadores têm feito muitos esforços para resolver este problema. Mas os métodos existentes de detecção de falsificação de voz consideram apenas os recursos físicos da fala, resultando em desempenho de detecção ruim.

Para resolver o problema, uma equipe de pesquisa liderada por Junxiao XUE publicou sua nova pesquisa em 15 de abril de 2023 em Frontiers of Computer Science co-publicado pela Higher Education Press e Springer Nature.

A equipe propõe um método de detecção de falsificação de voz baseado na fusão de características fisiológicas e físicas. O método inclui um extrator de recursos, uma rede neural convolucional densamente conectada com blocos de compressão e excitação (SE-DenseNet) e uma estratégia de fusão de recursos. Em comparação com os métodos existentes, a função de custo de decisão tandem e as pontuações de taxa de erro igual melhoraram em 5% e 7%, respectivamente.

Especificamente, as características fisiológicas do áudio são primeiro extraídas de uma rede convolucional pré-treinada. O SE-DenseNet é então usado para extrair os recursos físicos. Um modelo tão densamente conectado tem alta eficiência paramétrica e os blocos de compressão e excitação aumentam a eficiência da transmissão de recursos. Por fim, os dois recursos são integrados à rede de classificação para detecção de falsificação de voz.

Eles compararam o modelo proposto com alguns dos melhores sistemas individuais. Os experimentos mostram que o modelo proposto tem melhor desempenho em EER e t-DCF. Para validar a eficácia dos recursos faciais, eles também avaliaram o desempenho de alguns modelos básicos que introduziram recursos faciais. Verificou-se que diferentes métodos de linha de base mostraram diferentes graus de melhoria de desempenho quando combinados com as características da face, provando que as características da face são praticáveis ​​para os modelos de linha de base.

O trabalho futuro pode tentar extrair recursos faciais mais precisos e estudar estratégias de fusão de recursos mais eficazes para detectar ataques de falsificação.

###

Artigo de Pesquisa

Junxiao XUE, Hao ZHOU. Fusão de recursos físico-fisiológicos para detecção automática de falsificação de voz. Frente. Comput. Sci., 2023, 17(2): 172318, https://doi.org/10.1007/s11704-022-2121-6

Sobre Fronteiras da Ciência da Computação (FCS)

O FCS foi lançado em 2007. É publicado bimestralmente tanto online quanto impresso pela HEP e Springer. O Prof. Zhi-Hua Zhou, da Universidade de Nanjing, atua como Editor-Chefe. O objetivo é fornecer um fórum para a publicação de artigos revisados ​​por pares para promover a comunicação rápida e o intercâmbio entre cientistas da computação. FCS abrange todos os principais ramos da ciência da computação, incluindo: arquitetura, software, inteligência artificial, ciência da computação teórica, redes e comunicação, sistemas de informação, multimídia e gráficos, segurança da informação, interdisciplinar, etc. Os leitores podem se interessar pelas colunas especiais " Perspective" e "Excellent Young Scholars Forum".

FCS é indexado por SCI(E), EI, DBLP, Scopus, etc. O IF mais recente é 2.669. A FCS solicita os seguintes tipos de artigos: Resenha, Artigo de Pesquisa, Carta.

Fronteiras da Ciência da Computação

10.1007/s11704-022-2121-6

Estudo experimental

Não aplicável

Fusão de recursos físico-fisiológicos para detecção automática de falsificação de voz

15 de abril de 2023

Isenção de responsabilidade: AAAS e EurekAlert! não são responsáveis ​​pela precisão dos comunicados de imprensa publicados no EurekAlert! por instituições contribuintes ou pelo uso de qualquer informação através do sistema EurekAlert.