对抗式学习的鲁棒音频深度伪造检测(CLAD)
原文中文,约300字,阅读约需1分钟。发表于: 。音频深度伪造的广泛应用和威胁需要强大的检测方法。本研究首次全面调查了最常用的音频深伪造检测器对操纵攻击的敏感性,并提出了 CLAD 来改善其鲁棒性。通过对比学习和长度损失等技术,CLAD 显著提高了检测的准确性和鲁棒性。
该研究发现预训练视觉-语言模型与先进适应方法相结合在深假检测中有效。通过简单的适应策略,使用较少的训练数据,该模型在准确率上超过先前方法。在严格测试中,该模型在不同数据集中展现了实际适用性。