报告人：康显桂
报告题目：Deepfake语音取证初步研究
时间：2021-04-30 (星期五) 14:00
地点：数信大楼507学术报告厅
主办：数学与信息学院, 数字福建大数据安全技术研究所, 福建省公共服务大数据挖掘与应用工程技术研究中心
参加对象：工程中心，研究所教师和研究生，感兴趣的师生
报告摘要：Deepfake伪造视频及其中的伪造语音可能会给社会带来危害和不利影响，我们对极短语音片段平滑处理检测和合成语音取证两个方面进行了研究：1）提出了基于自回归模型系数的极短语音片段平滑处理检测方法：在数字语音的篡改操作中，篡改者通常会对篡改边界进行平滑处理来消除篡改操作的痕迹。因此通过检测语音中是否存在平滑处理操作，可以辅助鉴定数字语音的真实性和完整性。针对语音平滑处理操作对语音样本点之间相关性的影响，选择了自回归模型来对语音的样本点进行建模，然后提取语音片段的自回归模型系数作为特征。通过与已有的极短语音片段平滑处理检测算法对比，在检测极短语音片段平滑处理操作时，我们所提出的方法具有很高的有效性。我们提出的方法对于不同的滤波类型和窗口长度以及MP3压缩具有较好的鲁棒性；2）提出了基于胶囊网络的合成语音取证方案。随着语音合成技术不断发展，合成语音的质量越来越好，可以利用开源的方法和软件轻易地合成目标说话人的声音，本文提出了基于胶囊网络的合成语音取证方案。通过对真实语音和合成语音频率信息的统计分析，我们发现了真实语音和合成语音在频域的分布差异，基于这一发现，选择了线性频率倒谱系数和短时傅里叶变换的对数量级特征来作为分类特征。针对合成语音取证任务，我们修改了胶囊网络的动态路由算法。与原始的胶囊网络动态路由算法相比修改的胶囊网络动态路由算法更关注真假语音的局部细节和具有更好的伪造取证性能。
报告人简介：中山大学数据科学与计算机学院教授/博士生导师，兼任广东省信息安全重点实验室副主任，广东省优秀博士论文奖获得者。先后毕业于北京大学、南京大学、中山大学，并取得学士、硕士、博士学位。多年从事信息取证、信息隐藏等多媒体信息安全方面的研究，主持各类科研项目20多项，包括主持国家自然科学基金面上以上项目5项和广东省自然科学基金重点项目1项等，在数字多媒体信息安全方向发表论文80多篇（章），其中包括SCI高被引论文2篇，在IEEE/ACM Transactions权威期刊上以第一作者/通讯作者发表13篇论文，获得本领域国际学术会议论文最佳奖3项，作为骨干成员获教育部提名国家科学技术奖自然科学一等奖1 项，已经获得相关专利授权6项, 研究成果Google学术被引用次数2300多次。在国际上最早提出了超越传统方法性能的深度学习信息取证方法，在加拿大蒙特利尔举行的2017年IEEE GlobalSIP国际会议上做了深度学习与信息安全方面的杰出演讲（Distinguished Talk）和 2019 年本领域重要国际会议 International Workshop on Digital-Forensics andWatermarking (IWDW)上作大会演讲，且研究成果获得本领域重要国际会议InternationalWorkshop on Digital-Forensics and Watermarking (IWDW)的2008年、2013年及2018年共三次最佳论文奖。