An introduction of ASVspoof (unfinished)

May 15, 2022

About 1 min

ASVspoof（Automatic Speaker Verification and Spoofing Countermeasures Challange）是针对音频伪造攻击特设立的比赛，主办方是ISCA(International Speech Communication Association)，该大会是推动音频伪造、防伪造攻击的一大主力，现已经举办了4届（2015-2021 每两年一届）。本文结合以下两篇总结性论文对该比赛的情况进行简要介绍，主要包括比赛任务、数据集、结果，以及比赛中涌现出来的主要工作等。ASVspoof2015和ASVspoof2017较早并且主要面向传统的ASV系统攻防挑战而不是目前主流的神经网络结构，因此以下重点关注ASVspoof2019、ASVspoof2021。

[1] ASVspoof 2021: accelerating progress in spoofed and deepfake speech detection

[2] ASVspoof 2019: A large-scale public database of synthesized, converted and replayed speech

[3]ASVspoof 2019: Spoofing Countermeasures for the Detection of Synthesized, Converted and Replayed Speech

Challenge

ASVspoof至今已经举办四届，每一届围绕面向 ASV(Adversarial speaker recognition)系统的音频伪造攻防聚焦不同的重点展开。ASVspoof2015主要面向LA（Logic Access）域攻击展开攻防，主要面向基于语音合成和语音转换的音频伪造攻击。ASVspoof2017加入了PA（Physical Access）域攻击,主要围绕音频重放攻击。

伴随着基于神经网络架构的ASV的兴起，ASVspoof2019在ASVspoof2015的基础上主要面向主流的基于ASV神经网络模型展开了攻防挑战，并且构建了专用的数据集和评价指标t-DCF。

ASVspoof2021加入了DF（Audio Deepfake）赛道的攻防挑战，并且在原有基础上进一步丰富了数据集，并提供了四个官方Baseline。DF和之前的spoof的主要区别在于，攻击者欺骗的对象是人，而不是ASV系统。其目标人群可能是名人、政治人物（如前段时间的泽连斯基事件）等，攻击者能够利用目标对象的少量预料，提取预料中的声纹信息，通过相关技术伪造DF样本，再通过互联网社交媒体等手段达到传播虚假信息、谣言、诈骗等恶意目的。因此DF攻击样本理论上应该更加注重听感上的音色变换。

Dataset

DF组的数据集是ASVspoof2021全新引入的，主要来自于ASVspoof2019 LA数据集和其他的数据集，音频总共由超过100种不同的算法生成。所有数据被分为bonafide和spoofed两类。所有的数据都经过了编码-解码操作引入了相应的失真，codec配置如下。

CM Baseline

比赛引入了四个主流的CM系统作为Baseline用于性能测试，分别是CQCC-GMM，LFCC-GMM，LFCC-LCNN-LSTM和RawNet2。其中前两者为基于GMM（Gaussian Mixed Model）的结构，区别在于前端应用的语音特征不同。

LFCC-LCNN-LSTM和RawNet2是主流的基于神经网络的CM系统，之后有时间会补充展开介绍。

Metric

t-DCF

EER

Results and Main Method