文献

J-GLOBAL ID：202102223572792138   整理番号：21A0005988

アンチスプーフィングシステムにおけるデータセットアーチファクト:ASVspoof2017ベンチマークに関する事例研究【JST・京大機械翻訳】

Dataset Artefacts in Anti-Spoofing Systems: A Case Study on the ASVspoof 2017 Benchmark

著者 (3件)： Chettri Bhusan (School of Electronic Engineering and Computer Science, Queen Mary University of London, U.K.) ,  Benetos Emmanouil (School of Electronic Engineering and Computer Science, Queen Mary University of London, U.K.) ,  Sturm Bob L. T. (Division of Speech, Music and Hearing, KTH Royal Institute of Technology, Stockholm, Sweden)
資料名： IEEE/ACM Transactions on Audio, Speech, and Language Processing  (IEEE/ACM Transactions on Audio, Speech, and Language Processing)
巻： 28  ページ： 3018-3028  発行年： 2020年 
JST資料番号： W0508B  ISSN： 2329-9290  CODEN： ITASFA  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 自動話者検証Spoofingと対策課題は,様々な異なるアクセス攻撃に対する音声バイオメトリックシステムの保護における研究を動機づける。2017年版は,再活動スプーフィング攻撃に焦点を当て,提供されたデータセット(ASVspoof 2017)に関する参加者の建築と訓練システムを含んだ。60以上の研究論文がこれまでこのデータセットで発表されたが,どの対策がスプーフィング攻撃の検出に成功したかを答えた。この論文は,データセットに固有のアーチファクトが,発表されたシステムの見かけの成功に寄与するかもしれないことを示す。最初に,著者らは2017のデータセットを検査し,データセットに存在する様々なアーチファクトを要約した。第2に,著者らは,このデータセットにおいて成功するのに,対策モデルがこれらのアーチファクトをどのように利用できるかを示す。第3に,このデータセットの信頼できるロバスト性能推定のために,訓練と推論中の音声発話の前後において,非音声セグメントとサイレンジングを捨てることを提案した。データセットにおける音声開始とエンドポイントアノテーションを創り,それらの利用が,データセットで見つけられたアーチファクトを用いて操作するのに,どのように対策モデルがより脆弱になるかを示す。最後に,著者らは,このデータセットの新しいベースラインとして機能できるフレームレベルと発話レベルモデルの両方に対するいくつかの新しいベンチマーク結果を提供した。Copyright 2021 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *事例研究 ,  基準線 ,  *ベンチマーク ,  *アーチファクト ,  発話 ,  アノテーション
準シソーラス用語： エンドポイント ,  研究論文 ,  訓練システム , 【Automatic Indexing@JST】

分類 (3件)： パターン認識  (JE07000S) ,  音声処理  (JE05000E) ,  統計的品質管理  (KB04030W)

タイトルに関連する用語 (4件)： データセット ,  アーチファクト ,  ベンチマーク ,  研究