Архитектура модели детекции поддельных сгенерированных голосов. Использовать созданные с помощью AASIST3 нейросети предполагается для противодействия голосовому мошенничеству и для повышения безопасности систем, использующих голосовую аутентификацию.

Разработчики модифицировали оригинальную архитектуру AASIST, представленную в 2021 году и не справлявшуюся с обнаружением синтетических голосов, созданных генеративными моделями. Они применили сеть Колмогорова-Арнольда (KAN), добавили в нейросеть дополнительные слои и усовершенствованный инструмент выделения признаков. Кроме того, исследователи добавили в план подготовки модели стадию предварительного обучения, а также несколько специальных обучающих функций.

По заявлениям разработчиков, модификация позволила улучшить производительность модели более чем в два раза по сравнению с AASIST. Кроме того, созданная модель демонстрирует лучшую обобщающую способность к новым видам атак.

Ученые из Института AIRI и МТУСИ представили новую архитектуру на научной конференции Interspeech в сентябре 2024 года.

Препринт на arXiv

👤 Дмитрий Корж

👤 Олег Рогов