抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
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】