arXiv cs.AI· Luk\'a\v{s} Proke\v{s}, Vojt\v{e}ch Stan\v{e}k, Anton Firc, Kamil Malinka·· 3 天前AI 评分23
面向已部署深度伪造语音检测器的无监督数据漂移监控
Unsupervised Data Drift Monitoring for Deployed Deepfake Speech Detectors
AI 导读
研究者提出一种无监督漂移监控器，基于已部署检测器的内部嵌入向量，用正则化 Mahalanobis 距离将输入与真实和伪造参考对比，划分可信、模糊与新颖区域，从而把陌生输入转交人工复核。
正文 · AI 翻译
摘要：深度伪造语音检测器通常在固定基准上作为二分类器进行评估，但部署的系统面临不断演变的攻击、编解码器、说话人和录音条件，且在运行期间无法获得标签。这使得难以判断检测器何时处于熟悉的条件并可以依赖。我们提出一种无监督漂移监测器，作用于已部署检测器的内部嵌入。该监测器使用正则化马氏距离将每个输入与真实和伪造参考进行比较。这些距离定义了检测器嵌入空间中的可信、模糊和新颖区域，从而允许将不熟悉的输入路由以供审查。我们在三个数据集上对四个现代检测器评估该监测器。该监测器对数据集不匹配发出警报，并大幅减少接受深度伪造这一安全关键情况，代价是自动覆盖率降低。结果还表明，漂移影响两个类别：真实录音可能偏离训练参考，即使在域内设置中也会提高警报率。我们的发现表明，已部署的深度伪造语音检测器不仅应被视为二分类问题，还应被视为可靠性问题。
| Comments: | 已被 IEEE 信息取证与安全国际研讨会（WIFS）2026 接收 |
| Subjects: | 声音（cs.SD）；人工智能（cs.AI）；密码学与安全（cs.CR）；计算机视觉与模式识别（cs.CV）；机器学习（cs.LG） |
| 引用为： | arXiv:2610.16826 [cs.SD] |
| （或使用 arXiv:2610.16826v1 [cs.SD] 查看此版本） | |
| https://doi.org/10.48550/arXiv.2610.16826 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Vojtěch Staněk [查看电子邮件]
[v1]
2026年10月12日星期一 14:08:25 UTC（314 KB）
来源：arXiv cs.AI · arxiv.org