.png){kind=icon}
返回
Detecting Deepfake Audio Using Spectrogram-Based Machine Learning Approaches
.png){kind=icon}
OA
AI
DOI：10.1109/ACCESS.2025.3602531.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
深度学习模型生成逼真合成语音的能力日益增强，对隐私、公众信任和数字安全构成了严重问题。为应对这一风险，我们提出了一种基于机器学习的深度伪造音频识别方法。我们将语音样本转换为梅尔频谱图以提取时频信息，并使用三种集成学习模型（随机森林、梯度提升和XGBoost）进行分类。这些模型在包含各种真实和合成样本的Deep Voice数据集上进行训练，并通过F1分数、准确率、精确率和召回率等常用指标进行评估。在99.32%的准确率下，XGBoost的表现优于其他模型。这些结果表明，轻量级、可解释的机器学习方法在识别伪造音频以及保护媒体认证、数字取证和网络安全应用方面具有应用前景。
Keyword:
Auto encoders
music generation
generative AI
deep learning
期刊
IF:
3.6
论文数:
9.8W
被引数:
29.4W
机构
引用论文
Deepfake Audio Detection: A Deep Learning Based Solution for Group ConversationsDeepfake音频检测: 基于深度学习的群组对话解决方案
PREAI
分享收藏
Deepfake Generation and Detection: Case Study and ChallengesDeepfake生成和检测: 案例研究和挑战.png)
IEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏
查看更多内容