| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2026-03-03 11:00 ［ポスター講演］不正収録音声から合成されたディープフェイク音声によるなりすまし攻撃 ○古林嵯羽仁（都立大）・高道慎之介（慶大）・塩田さやか（都立大）  EA2025-119 SIP2025-139 SP2025-72 |
|
| 抄録 | （和） | 近年，深層学習の発展によりディープフェイクメディアはますます現実との見分けがつきにくくなってきている．音声分野でも特定話者を高精度に模倣した合成音声を作成可能になるなど著しい発展が見られるが，悪意のある利用が問題視されており，未知のディープフェイクメディアを用いた攻撃に対する頑健性向上は重要なタスクとなっている．本研究では，詐称者が不正に収録した一般的には音声合成の学習データとして用いられないような背景雑音を含む音声から，音声強調とZero-shot TTSを用いることにより複数の実話者を模倣したディープフェイク音声データを高品質に作成する手法を提案する．なりすまし音声検出(CM)や話者照合(ASV)の結果から本研究で作成した音声は既存の音声セキュリティシステムを高精度に突破できたことを報告する． |
| （英） | In recent years, advances in deep learning have made deepfake media increasingly difficult to distinguish from genuine content. In the speech domain, remarkable progress has been achieved, including the ability to generate synthetic speech that accurately mimics specific speakers. However, the malicious use of such technologies has become a serious concern, and improving robustness against attacks using previously unseen deepfake media has emerged as an important challenge. In this study, we propose a method for generating high-quality deepfake speech that imitates multiple real speakers by applying speech enhancement and zero-shot text-to-speech to speech obtained through non-consensual recordings containing background noise, which are generally unsuitable for training speech synthesis models. Experimental results on countermeasure systems and automatic speaker verification systems demonstrate that the speech generated by the proposed method can successfully bypass existing speech security systems with high accuracy. |
|
| キーワード | （和） | なりすまし音声検出 / 不正収録 / テキスト音声合成 / 話者照合 / ゼロショット音声合成 / ディープフェイク音声 / 音声セキュリティ / J-SPAW |
| （英） | Voice Spoofing Detection / non-consensual recording / Text-to-speech / Automatic Speaker Vertification / zero-shot text-to-speech / Audio deepfake / Voice security / J-SPAW | |
| 文献情報 | 信学技報, vol. 125, no. 371, SP2025-72, pp. 277-282, 2026年3月. | |
| 資料番号 | SP2025-72 | |
| 発行日 | 2026-02-23 (EA, SIP, SP) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | EA2025-119 SIP2025-139 SP2025-72 |
|
| 研究会情報 | |
| 研究会 | SP EA SIP IPSJ-SLP |
| 開催期間 | 2026-03-02 - 2026-03-04 |
| 開催地（和） | 沖縄県青年会館 |
| 開催地（英） | |
| テーマ（和） | 音声，応用／電気音響，信号処理，一般 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | SP |
| 会議コード | 2026-03-SP-EA-SIP-SLP |
| 本文の言語 | 日本語 |
| タイトル（和） | 不正収録音声から合成されたディープフェイク音声によるなりすまし攻撃 |
| サブタイトル（和） | |
| タイトル（英） | Spoofing attacks using deepfake speech synthesized from non-consensual recordings |
| サブタイトル（英） | |
| キーワード(1)（和/英） | なりすまし音声検出 / Voice Spoofing Detection |
| キーワード(2)（和/英） | 不正収録 / non-consensual recording |
| キーワード(3)（和/英） | テキスト音声合成 / Text-to-speech |
| キーワード(4)（和/英） | 話者照合 / Automatic Speaker Vertification |
| キーワード(5)（和/英） | ゼロショット音声合成 / zero-shot text-to-speech |
| キーワード(6)（和/英） | ディープフェイク音声 / Audio deepfake |
| キーワード(7)（和/英） | 音声セキュリティ / Voice security |
| キーワード(8)（和/英） | J-SPAW / J-SPAW |
| 第1著者 氏名（和/英/ヨミ） | 古林 嵯羽仁 / Sawato Furubayashi / フルバヤシ サワト |
| 第1著者 所属（和/英） | 東京都立大学 (略称： 都立大) Tokyo Metropolitan University (略称： Tokyo Metropotitan Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 高道 慎之介 / Shinnosuke Takamichi / |
| 第2著者 所属（和/英） | 慶應義塾大学 (略称： 慶大) Keio University (略称： Keio Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 塩田 さやか / Sayaka Shiota / |
| 第3著者 所属（和/英） | 東京都立大学 (略称： 都立大) Tokyo Metropolitan University (略称： Tokyo Metropotitan Univ.) |
| 講演者 | 第1著者 |
| 発表日時 | 2026-03-03 11:00:00 |
| 発表時間 | 80分 |
| 申込先研究会 | SP |
| 資料番号 | EA2025-119, SIP2025-139, SP2025-72 |
| 巻番号（vol） | vol.125 |
| 号番号（no） | no.369(EA), no.370(SIP), no.371(SP) |
| ページ範囲 | pp.277-282 |
| ページ数 | 6 |
| 発行日 | 2026-02-23 (EA, SIP, SP) |
[研究会発表申込システムのトップページに戻る]