@techreport{oai:ipsj.ixsq.nii.ac.jp:00208182,
 author = {奥野, 桜子 and 塩田, さやか and 貴家, 仁志},
 issue = {33},
 month = {Nov},
 note = {本論文ではなりすまし検出システムの言語依存性について調査する．近年，人間の身体的特徴を利用して本人認証を行う生体認証システムが日常生活の中に普及してきている．このうち人間の声を生体情報として用いる生体認証を話者照合と呼ぶ．話者照合はマイクがあれば実現可能であり導入コストが低いという利点がある．一方で，録音再生音声や合成音声を用いたなりすまし攻撃も容易に可能であることからなりすまし攻撃に対する対策が急務とも報告されている．本研究では，深層学習を用いてなりすまし検出実験を行い，言語や収録環境などの異なるデータベースを用いてシステムの性能を評価した．さらに，システムに言語ラベルを追加した場合の実験も行った．これらの結果から，本来は言語に依存性のないと期待されるなりすまし検出においてモデル内に言語の依存性が残っていたこと，さらになりすまし検出に関係ない要因による依存性が残っていることを報告する．また，言語ラベルの追加によって言語依存性が緩和できることを報告する．, In this paper, we investigate language dependence of deep-learning based spoofing detection. Recently, biometric authentication systems that perform personal authentication using human physical features have become widespread. Automatic speaker verification (ASV) is one of the biometric authentication by using human voice. Since ASV systems can be installed with a microphone only, it is easy to introduce to many applications. However, it has been reported that ASV systems suffer from spoofing attacks, e.g., speech synthesis and replay. Therefore, it is increased importance to develop reliable ASV systems. In this paper, we perform some experiments using deep-learning based spoofing detection and evaluate the performance of the systems in terms of difference in databases or languages. Moreover, we also propose a language-aware modeling for spoofing detection. From the experimental results, language dependence remains in the conventional deep-learning based model in spoofing detection, which was originally expected to be language independent. It also shows that language dependency can be reduced by language-aware training.},
 title = {深層学習に基づくなりすまし検出の言語依存性に関する調査},
 year = {2020}
}