Audio Anti-Spoofing Detection: A Survey

智能设备的普及导致了多媒体内容的指数增长。然而，深度学习的快速发展使得出现了能够操纵或创建多媒体虚假内容的复杂算法，即Deepfake。音频Deepfake通过产生高度逼真的声音构成了重大威胁，从而促进了虚假信息的传播。为了解决这个问题，已经组织了许多音频反欺骗检测挑战来促进反欺骗对策的发展。本文综合评述了检测流程中的每个组成部分，包括算法架构、优化技术、应用通用性、评估指标、性能比较、可用数据集和开源可用性。对于每个方面，我们对最近的进展进行了系统评估，并讨论了现有的挑战。此外，我们还探讨了音频反欺骗的新兴研究课题，包括部分欺骗检测、跨数据集评估和对抗攻击防御，同时为未来的工作提出了一些有前途的研究方向。本综述不仅确定了当前的最新技术水平，为未来的实验建立了强有力的基线，而且为未来的研究人员提供了清晰的路径，以了解和增强音频反欺骗检测机制。

本论文旨在解决Deepfake技术对音频领域的安全威胁问题，提出音频反欺诈检测的解决方案。

论文提出了一种基于深度学习的音频反欺诈检测方案，包括算法架构、优化技术、评估指标等多个方面，并提出了一些未来可能的研究方向。

论文系统地评估了当前音频反欺诈检测技术的各个方面，包括算法架构、优化技术、应用广泛性、评估指标、性能比较、可用数据集和开源代码等。此外，论文还探讨了一些新兴的研究方向，如部分欺诈检测、跨数据集评估和对抗攻击防御。

最近的相关研究包括《A Survey of Deep Learning-based Audio Synthesis》、《Deep Learning for Audio Signal Processing: A Review》、《Deep Learning for Audio Classification: A Comprehensive Review》等。