リプレイ攻撃検出を改善するためのマルチタスクSiamesニューラルネットワーク【JST・京大機械翻訳】

von Platen Patrick; Tao Fei; Tur Gokhan

プレプリント

J-GLOBAL ID：202202204309298844 整理番号：22P0113191

リプレイ攻撃検出を改善するためのマルチタスクSiamesニューラルネットワーク【JST・京大機械翻訳】

Multi-Task Siamese Neural Network for Improving Replay Attack Detection

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2020年02月15日プレプリントサーバーでの情報更新日： 2020年02月15日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

自動話者検証システムは,認可された話者の記録を再生することにより,セキュリティを迂回するオーディオ再生攻撃に対して脆弱である。残差ニューラルネットワーク(ResNet)上に構築された再生攻撃検出(RA)検出システムは,公開ベンチマークASVspoof 2019の物理アクセスチャレンジに関する驚くべき結果をもたらした。微調整した特徴抽出パイプラインとモデルアーキテクチャを用いたほとんどのチームで,そのようなシステムの一般化可能性は疑問の余地がある。本研究では,マルチタスク学習(MTL)設定における識別特徴学習の影響を,RA検出システムの一般化可能性と識別可能性に持つことができる。クロスエントロピー基準によって最適化された一般的なResNetアーキテクチャを,著者らの基準線として使用し,それを,Siameseニューラルネットワーク(SNN)を用いてMTLによって最適化された同じアーキテクチャと比較する。SNNは,相対26.8%等誤り率(EER)によって,ベースラインより性能が優れていることを示した。さらに,モデルアーキテクチャを強化し,追加の再構成損失を伴うSNNが,相対的13.8%EERの別の顕著な改善をもたらすことを実証した。【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , , 【Automatic Indexing@JST】

データ保護 , パターン認識

, ,

前のページに戻る