融合LSTM‑GRU网络的语音逻辑访问攻击检测

摘要：

为进一步提高语音欺骗检测的准确率,提出一种融合LSTM?GRU网络的语音逻辑访问攻击(语音转换、语音合成)检测方法.融合LSTM?GRU网络是由长短期记忆网络(Long short?term memory,LSTM)层、门控循环神经单元(Gated recurrent unit,GRU)层、丢弃层、批归一化层和全连接层串联结合的一种混合网络,其中LSTM层可以解决语音序列中的长时依赖问题,GRU层则可降低模型参数量.实验在ASVspoof2019 LA数据集上进行,提取20维的梅尔倒谱系数特征用于模型训练,在测试阶段使用训练好的LSTM?GRU模型对测试集中的语音进行欺骗检测.与GRU网络及LSTM网络的比较结果表明:LSTM?GRU网络在3种网络模型中正确识别率最高,等错误率(Equal error rate,EER)比ASVspoof2019挑战赛所提供基线系统低27.07％,对逻辑访问攻击语音检测的平均准确率达到98.04％,并且融合LSTM?GRU网络具备训练时间短、防止过拟合及稳定性高等优点.结果证明本文方法可有效应用于语音逻辑访问攻击检测任务中.

关键词：逻辑访问攻击、梅尔倒谱系数、等错误率、LSTM-GRU网络

所属期刊栏目：37

分类号：TP391.4;TN912.3(计算技术、计算机技术)

资助基金：国家重点研发计划;广州市科技计划;辽宁网络安全执法协同创新中心;司法部司法鉴定重点实验室开放课题;中国刑事警察学院研究生创新能力提升项目

在线出版日期：2022-04-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：396-404