A.I.AI
大規模音声言語モデルにおける特徴量ドロップアウトとドロップイン正則化によるディープフェイク音声攻撃への防御
Defending against deepfake speech attacks via feature dropout and dropin regularization in large audio language models
FIFrontiers in Artificial Intelligence · CC BY 4.0
AIが原文を翻訳・要約しています
音声ディープフェイク対策として、指示追従型音声大規模言語モデル「SALMONN」を活用した検出手法が提案された。本研究では、LoRAアダプタに音響特徴の認識能力を注入する特徴量ドロップイン(第1段階)と、トークン系列をランダム保持する特徴量ドロップアウト(第2段階)による2段階の学習戦略を導入している。これによりFakeOrRealベンチマークで精度が絶対値0.188向上し、ASVspoof 2019 LAサブセットでは等価誤差率(EER)0.00496を記録して先行研究比33.0%の相対改善を達成した。また、ドメイン外のAI生成音楽データセット(M6)でもResNet18ベースラインに匹敵する転移性能を示した。
KEY POINTS要点記事から抽出した重要情報
- 音声大規模言語モデル「SALMONN」を活用し、特徴量ドロップインとドロップアウトを用いた学習により、ディープフェイク音声検出ベンチマーク「FakeOrReal」で精度が絶対値0.188向上し、「ASVspoof 2019 LA」で等価誤差率0.00496(33.0%改善)を達成した。
CONTEXT文脈編集部による背景整理
生成AIによる音声なりすましリスクが急増する中、マルチモーダル音声基盤モデルを用いた高精度なディープフェイク防御技術の実証は、本人確認(eKYC)や通話認証などのセキュリティ分野において商用化・統合が進む可能性があり注目されます。
原文を読むAnalyzed at 2026年10月6日 15:02