오디오 딥페이크 생성 억제 기술의 강건성 및 실용성 분석
Robustness and Practicality Analysis of Audio Deepfake Suppression Techniques
1
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
딥페이크 음성이 ASV(Automatic Speaker Verification) 시스템을 통과하는 사례가 증가함에 따라 오디오 딥페이크 생성 억제 기술이 최근 주목받고 있다. 이러한 방식은 원본 음성에 노이즈를 주입해 모델이 화자의 음색을 학습하지 못하도록 하는 사전적 대응에 해당하지만, 노이즈로 인한 품질 저하와 정화 과정에서의 보호 효과 감소라는 한계를 지닌다. 따라서 본 연구에서는 생성 억제 기술의 품질과 보호 효과 간의 관계를 분석하고, 음성 향상(Speech Enhancement), 뉴럴 코덱(Neural Codec), 신호 변환 절차를 각각 적용하여 방어 효과를 재평가한다. 이러한 분석을 통해 지각 품질과 제거 내성을 함께 고려한 실용적 평가 지표의 필요성을 제기하며, 오디오 딥페이크 생성 억제 연구가 품질 보존성과 강건성을 동시에 달성하는 방향으로 나아가야 함을 제안한다.
Abstract
As deepfake speech increasingly bypasses ASV(Automatic Speaker Verification) systems, audio deepfake generation-suppression techniques have gained attention recently. This proactive approach blocks synthesis models from learning speaker timbre by injecting noise, but suffers from quality degradation and reduced protection after purification. We analyze the trade-off between perceptual quality and protection, and re-evaluate defense persistence under speech enhancement, neural codecs, and signal transformations. Our findings highlight the need for metrics that jointly consider quality and removal resistance, and point toward defenses that achieve both robustness and quality preservation.