具可追溯性的語音合成：透過浮水印技術實現主動追蹤的文字轉語音系統
本文提出了一種名為 TraceableSpeech 的新型文字轉語音 (TTS) 模型，該模型透過將浮水印技術直接整合到語音合成過程中，以生成帶有可追溯性標記的語音，從而解決了現有 TTS 系統面臨的深度偽造和版權問題。
워터마킹을 사용하여 사전에 추적 가능한 텍스트 음성 변환을 향한 TraceableSpeech
TraceableSpeech라는 새로운 TTS 모델은 워터마킹 기술을 음성 합성 시스템에 통합하여 생성된 음성의 출처를 추적하고 오용을 방지합니다.
ウォーターマークを用いたプロアクティブに追跡可能な音声合成モデル、TraceableSpeech： 音声品質と堅牢性を向上
TraceableSpeechは、音声合成とウォーターマーキング技術を統合することで、従来の手法よりも音声品質とウォーターマークの秘匿性を向上させ、さらに、リサンプリング攻撃への耐性と、さまざまな長さの音声への適用性を高めた、TTSシステムにおけるプロアクティブな追跡可能性を実現する。
針對嵌入式神經網路模型的錯誤注入與安全錯誤攻擊
透過安全錯誤攻擊和針對性輸入，攻擊者可以從嵌入式神經網路模型中提取出模型參數，並利用這些資訊訓練出一個高準確度和高保真度的替代模型，從而對模型的機密性和完整性構成嚴重威脅。
組み込みニューラルネットワークモデル抽出のためのフォールトインジェクションと安全エラー攻撃
本稿では、組み込みシステムにおけるディープラーニングモデル、特に32ビットマイクロコントローラ上の8ビット量子化モデルに対する新たな脅威として、フォールトインジェクションを用いたモデル抽出攻撃手法を提案する。
Model Extraction from Embedded Neural Networks Using Fault Injection and Safe-Error Attacks
Safe-Error Attacks using fault injection can effectively extract embedded neural network models on 32-bit microcontrollers, even with limited training data, by exploiting the relationship between injected faults and prediction variations.
基於雙欄位雙向狀態空間模型的語音偽造攻擊檢測方法：XLSR-Mamba
本文提出了一種名為 XLSR-Mamba 的新型語音偽造檢測模型，該模型結合了預先訓練的 XLSR 語音表示和名為 DuaBiMamba 的新型雙欄位雙向狀態空間模型架構，在 ASVspoof 2021 和 In-the-Wild 數據集上均優於其他最先進的單系統，展現出更高的效率和準確性。
XLSR-Mamba：二重カラム双方向状態空間モデルを用いたスプーフ攻撃検出
本稿では、音声偽装攻撃を検出するための新しいモデル、XLSR-Mamba を提案する。XLSR-Mamba は、事前学習済み音声表現モデル XLSR と、効率的かつ効果的な特徴抽出を実現する新しい二重カラム双方向 Mamba (DuaBiMamba) アーキテクチャを組み合わせている。DuaBiMamba は、従来の Transformer モデルよりも計算コストを抑えながら、音声信号の長距離依存関係を捉えることができる。ASVspoof 2021 データセットとより困難な In-the-Wild データセットを用いた実験により、XLSR-Mamba は他の最先端モデルよりも優れた性能を示し、特にリアルタイムアプリケーションに適した高速な推論速度を実現した。
XLSR-Mamba: A Novel Architecture for Efficient and Effective Spoofing Attack Detection in Speech Signals
This research paper introduces XLSR-Mamba, a novel deep learning model that combines a pre-trained XLSR model with a dual-column bidirectional Mamba architecture for superior performance in detecting spoofed speech, outperforming existing models in efficiency and accuracy, particularly on challenging datasets like In-the-Wild.
具有不可變特徵的私有反事實檢索
本文提出了一種名為不可變私有反事實檢索 (I-PCR) 的新方法，該方法允許用戶在保護其數據隱私的同時，從數據庫中檢索與其自身特徵向量最接近的反事實樣本，並強制要求用戶輸入樣本中的某些特徵保持不變。
© 2024 by Linnk AI