本文探讨了基于声学特征的对抗攻击反欺诈技术，比较了不同分类器的效果。研究表明，深度神经网络在欺骗检测中表现优异，新提出的音频反欺诈模型在多个数据集上具有竞争力。研究强调对抗攻击的进步超越了自动说话人验证系统的防御能力，需进一步研究应对措施。

本研究解决了语音伪造和深度伪造攻击的检测问题，尤其是通过建立一个来自更多说话者的众包数据库。在首次引入对抗攻击的情况下，文中提出的新评估指标和基线显著提升了伪造音频的自动说话人验证的鲁棒性。研究结果表明，攻击会显著影响基线系统，而参赛者的提交则带来了显著改善。