Evaluation Framework for Deepfake Speech Detection: A Comparative Study of State-of-the-art Deepfake Speech Detectors

Deepfake řeč, detekce, robustnost, hodnotící rámec, počítačová bezpečnost

Rozšíření deepfake řeči představuje významnou hrozbu pro kybernetickou bezpečnost, od manipulace s politickými projevy a vydávání se za veřejné osobnosti až po podvody s biometrickými hlasovými systémy. Rostoucí sofistikovanost protivníků zvyšuje nutnost nasazení adaptivních detekčních metod. Navíc skutečné incidenty, jako jsou podvodné finanční transakce, zdůrazňují závažnost tohoto problému. Ačkoli bylo vyvinuto mnoho detektorů, jejich hodnocení zůstává obtížné kvůli odlišným metodikám a referenčním datovým sadám, což znemožňuje přímé srovnání. Tato studie představuje obecný a podrobný rámec pro hodnocení a srovnání detektorů deepfake řeči. Dále demonstrujeme použití tohoto rámce k hodnocení 40 nejmodernějších detektorů deepfake řeči za různých podmínek a na různých datových vzorcích. Objektivně porovnáváme tyto metody a identifikujeme klíčové atributy, které nejvíce ovlivňují výkon. Zdůrazňujeme také problém generalizace, protože současné detektory mají potíže s detekcí dosud neznámých vzorků deepfake řeči nebo vzorků, které byly upraveny. Nakonec, abychom posílili obranu proti syntetickému zvukovému obsahu, poskytujeme doporučení pro zlepšení robustnosti budoucích detektorů.