-
题名基于端到端深度学习的数字语音源录音设备确认取证
- 1
-
-
作者
邹领
朱磊
邓阳君
张红燕
-
机构
湖南农业大学信息与智能科学技术学院
-
出处
《计算机科学》
北大核心
2025年第S1期958-964,共7页
-
基金
湖南省教育厅资助科研项目(23A0168)
湖南省自然科学基金(2022JJ30308,2023JJ40333)
国家自然科学基金(62202163)。
-
文摘
音频编辑软件以及深度伪造(DeepFake)技术使得对数字音频和语音的篡改及伪造变得容易,因此,在将一段音频或语音录音作为有效的司法证据前,必须对其真实性和完整性进行鉴定。面向数字语音的录音设备源确认(SRDV)是数字音频设备源取证的关键问题之一,具体是指:给定一段数字语音录音和一个录音设备,判断该录音是否是由该设备所录制。近年来,深度学习技术在许多领域得到了广泛应用并取得了很好的效果,但目前与录音设备源识别相关的工作主要集中于录音设备源辨认(SRDI)中,尚未有基于深度学习的SRDV方法的报道。文中提出了一种新颖的基于端到端(E2E)深度学习的录音设备源取证方法,从语音录音中提取FBank特征来表征设备指纹并作为深度神经网络结构的输入,深度神经网络结构采用一个调整参数的VGG-M网络,并通过自注意力池化(SAP)层和全连接层来提取录音设备特征向量(RDE)。整个网络基于通用端到端(GE2E)损失函数来进行训练。采用等错误率(EER)作为性能评估准则,在划分好的开发集和测试集上进行录音设备源确认实验,实验结果表明所提方法显著提升了录音设备源确认的性能。
-
关键词
数字语音取证
获取设备取证
录音设备源确认
录音设备特征向量
端到端深度学习
-
Keywords
Digital speech forensics
Acquisition device forensics
Source recording device verification
Recording device embedding
End-to-end deep learning
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
