AudioTQ: A Data-Oblivious 6-Bit CPU Audio Codec via Randomized Hadamard Rotation and Lloyd-Max Quantization
该论文提出了 AudioTQ，一种数据无关的 (data-oblivious) 有损音频编解码器，直接在时域操作，而不再依赖传统频域变换和心理声学模型。其核心思路借鉴了大型语言模型 (LLM) 权重量化中的 TurboQuant 框架：首先
#cs.SD
共收录 48 条相关情报。
← 返回所有主题Multi-Backbone Self-Supervised Ensembles for Audio Deepfake Detection and a Cross-Track Analysis of Generation-Detection Asymmetry
本文介绍“Go-To-Germany”团队参与ImageCLEF 2026音频深度伪造检测与生成任务的方案与结果。研究背景：深度伪造音频对身份认证、司法证据和金融安全构成现实威胁，而现有检测器对未知或对抗性生成样本的泛化能力尚待验证。该团队
Transforming Keystroke Noise to Text: Self-Supervised Acoustic Eavesdropping Attacks on Keyboards
该论文提出了一种自监督的声学窃听攻击方法，能够仅从键盘敲击声重建出用户输入的文本内容，而无需针对目标设备收集标注数据。传统声学侧信道攻击通常需要大量的标注数据或特定的设备校准，这限制了其实际威胁性。本文方法通过结合无监督声学聚类、基于Tra
Probing Speaker Identity Sensitivity in Audio Deepfake Detectors
本文研究了音频深度伪造检测器在跨数据集时性能大幅下降的问题，提出其中一个原因是检测器对说话人身份特征的过度依赖。标准训练语料中，说话人身份与真/假标签存在相关性，导致检测器部分依赖说话人相关线索而非合成伪影。作者提出了身份敏感性得分（ISS
Multi-Level Privacy-Preserving Dementia Detection from Speech via Targeted Adversarial Obfuscation and Representation Learning
该论文提出了一种多级隐私保护框架，用于从语音中进行痴呆症检测，同时防止说话人身份泄露。现有方法通常只解决单一威胁（如仅信号级或特征级），且难以平衡隐私保护与检测效用。本文设计的框架针对两种窃听向量：在信号级，提出累积信号攻击（CSA），通过
Do Speech Tokens Leak Voiceprints? Speaker Inversion Attacks Against End-to-End Speech Language Models
本文研究端到端语音语言模型中语音令牌（speech tokens）泄露用户声纹的风险。传统级联架构（ASR-LLM-TTS）将语音转文本再合成，而端到端模型直接使用离散语音令牌表示语音，虽降低了延迟并提升了表现力，但这些令牌可能保留说话人的
Natural Backdoor Attacks on Speech Recognition Models
该研究聚焦于语音识别模型的后门攻击，提出了一种利用自然或日常生活中的声音（如雨声、鸟鸣等）作为触发器的自然后门攻击方法。与传统的后门攻击不同，自然触发器不需要人工合成噪声，而是直接使用环境中存在的、看似正常的音频信号，从而攻击更具隐蔽性和危
SpeechGuard: Online Defense against Backdoor Attacks on Speech Recognition Models
本文提出 SpeechGuard，首个针对语音识别模型的在线后门防御流水线。后门攻击通过在训练阶段注入少量恶意样本，使模型在遇到特定触发器时输出攻击者指定的错误结果，这在自动驾驶语音交互等安全敏感场景中危害极大。SpeechGuard 针对
Explainable-by-Design Audio Deepfake Detection via Wiener-Hopf Linear Prediction
本文提出了一种基于Wiener-Hopf线性预测的可解释音频深度伪造检测框架。针对现有黑盒模型可解释性差、计算复杂度高的问题，作者设计了一个轻量级二维卷积神经网络（CNN），将Wiener-Hopf预测系数作为输入特征，实现了分类结果与声学
Traceback Translators Against Forgetting in Continual Fake Speech Detection
该论文聚焦于持续学习场景下的假语音检测问题。随着语音生成模型不断演进，假语音检测器需要持续更新以识别新类型的伪造语音。然而，传统的微调或增量学习方法会导致灾难性遗忘，即模型在适应新数据时显著丧失对旧数据的检测能力。作者提出一种基于域翻译器的
Open-Source Intelligence and Music Information Retrieval for Geographic Attribution of Musical Affect and the Ecological Limits of Population Inference
该论文利用开源情报（OSINT）和音乐信息检索技术，研究音乐情感的地理分布及其对群体特征推断的局限性。研究者使用Essen民间歌曲集，该数据库包含数千首标注的民间旋律，但官方警告其大小调标签不可靠。因此，研究者通过键检测算法重新计算每首旋律
MusicMark: A Robust Generative Watermarking Framework for Music Generation
随着AI音乐生成技术的快速发展及其在商业平台上的广泛应用，对生成音乐进行可靠溯源和归属认证的需求日益迫切。然而，现有的音频水印研究主要针对语音，而音乐具有复杂的结构和丰富的声学纹理，直接应用语音水印方法面临巨大挑战。大多数现有方法都是事后式
Pmeta-TLA: Backdoor Attacks for Speech Classification Models via Meta-Learning with Timbre Leakage Attack
本文研究了语音分类模型面临的后门攻击威胁。现有后门攻击使用的触发器容易被深度神经网络检测系统识别，针对这一不足，作者提出了音色泄漏攻击（TLA）。TLA将触发器的音色信息以帧级别嵌入到深度自监督特征中，生成在人耳听来自然的恶意样本，从而绕过
Room for Error: Large-Scale Simulation of Over-the-Air Acoustic Attacks
该论文针对语音控制系统面临的安全风险展开研究，指出当前对空中声学攻击（over-the-air acoustic attacks）的理解存在不足，主要原因在于研究社区难以将数字域对抗样本生成流程扩展至物理世界，导致关键的声学因素（如可探测性
What Was That Again? Certified Robustness for Automatic Speech Recognition
自动语音识别（ASR）系统对对抗性和良性扰动高度敏感，但现有检测方法因缺乏真实转录的先验知识而难以在部署系统中实施。本文提出一种基于认证思想的鲁棒性增强方法，通过双门控诊断管道提升系统可靠性。该管道包含两个核心模块：一是“两侧原子审计”，通
Learning to Evade: Adaptive Attacks on Audio Watermarking
本文提出了一种针对音频水印的自适应攻击方法（AWM），旨在绕过现有的水印检测防御策略。研究发现，水印解码器的消息概率遵循正态分布，这一特性被现有防御方法利用来检测攻击行为。AWM 采用两阶段优化：第一阶段确保攻击成功，第二阶段提升音频质量。
Feature-Aligned Speech Watermarking for Robustness to Reconstruction Distortions
本文提出一种特征对齐的语音水印方法，旨在提高水印对语音重建模型（如现有或未知的编解码器）的鲁棒性。传统音频水印在保真度与鲁棒性之间存在权衡：增加水印能量可提升鲁棒性，但会降低不可感知性。作者利用预训练语音编解码器生成伪语音水印，使其分布与原
What Do Deepfake Speech Detectors Actually Hear?
本文针对深度伪造语音检测器的可解释性不足问题，提出了一种基于积分梯度（Integrated Gradients）和时间对齐自监督表示（如WavLM）的音频原生可解释性流水线。该方法能够定位检测器在时间维度上的决策证据，并语义化解释最重要的声
Ethical and Technical Limits of Deepfake Speech Datasets
该论文对39个深度伪造语音数据集进行了系统性的数据集级审计，分析了可访问性、文档质量、人口统计与语言覆盖范围、数据集规模以及底层真实语音来源等关键属性。研究发现两个重要问题：首先，绝大多数数据集缺乏人口统计元数据（如年龄、种族、国籍等），仅
RAT: Reference-Augmented Training for ASV Anti-Spoofing
该论文针对自动说话人验证（ASV）中的欺骗检测问题，提出了一种参考增强训练（RAT）策略。作者首先设计了一种基于说话者参考录音的条件反欺骗架构，但在实验中发现该架构在推理时趋向于忽略参考信号，退化为无条件检测器。进一步分析表明，训练过程中引