National and Kapodistrian University of Athens
One-Class Teacher–Student Distillation and a Lightweight Student-SVM Pipeline for speech deepfake detection
Abstract
dc:descriptionΗ παρούσα εργασία παρουσιάζει ένα σύστημα ανίχνευσης ψευδών φωνητικών δεδομένων που διακρίνει γνήσιες από πλαστές φωνές μέσω πλαισίου απόσταξης γνώσης Δασκάλου–Μαθητή μίας κλάσης και μιας ελαφριάς εκδοχής Μαθητή–SVM. Το μοντέλο Δασκάλου βασίζεται στο XLS-R 300M και εκπαιδεύεται με συνάρτηση απώλειας cross-entropy στα δεδομένα ASVspoof2019-LA, ενώ το μοντέλο Μαθητή, με λιγότερα επίπεδα, εκπαιδεύεται αποκλειστικά σε γνήσια δείγματα με απώλειες cosine similarity και MSE. . Στο στάδιο της ελαφριάς ανίχνευσης, τα embeddings του Μαθητή χρησιμοποιούνται ως χαρακτηριστικά για SVM, το οποίο εκπαιδεύεται στο ASVspoof2021 DF. Τα πειραματικά αποτελέσματα έδειξαν EER 3.64% (DF), 8.88% (LA) και 6.89% (In-the-Wild), επιβεβαιώνοντας τη γενίκευση του μοντέλου, ενώ το υποσύστημα Μαθητή–SVM προσέφερε ταχύτερη επεξεργασία με μικρότερη ακρίβεια.
Author and committee
dc:creator, dc:contributor.*- Authors dc:creator
-
- Ανδρονούδης Δήμος Νικόλαος
- Andronoudis Dimos Nikolaos
Subjects
dc:subject × 2Rights
- Language dc:language
- English
Identifiers
dc:identifier.*- Identifier
- uoadl:5313366