[논문 리뷰] An explainability study of the constant Q cepstral coefficient spoofing countermeasure for automatic speaker verification

Hemlata Tak, José Patino외 3명|arXiv (Cornell University)|2020. 04. 14.

Speech Recognition and Synthesis참고 문헌 34인용 수 4

한 줄 요약

이 논문은 자동 발화자 확인에서 일부 스푸핑 공격을 탐지하는 데에 상수 Q 체프스트랄 계수(CQCCs)가 뛰어나지만 다른 공격에는 실패하는 이유를 조사한다. 주파수 대역별 스펙트럼 성분을 분석함으로써, CQCCs가 스푸핑 아티팩트가 낮은 주파수에 집중되어 있을 경우에만 CQT의 기하학적 주파수 해상도 덕분에 가장 효과적으로 탐지함을 밝혀내며, 이는 공격 유형 간 성능 변동성을 설명하고 특정 주파수 대역에 맞는 대응 조치가 필요함을 시사한다.

ABSTRACT

Anti-spoofing for automatic speaker verification is now a well established area of research, with three competitive challenges having been held in the last 6 years. A great deal of research effort over this time has been invested into the development of front-end representations tailored to the spoofing detection task. One such approach known as constant Q cepstral coefficients (CQCCs) have been shown to be especially effective in detecting attacks implemented with a unit selection based speech synthesis algorithm. Despite their success, they largely fail in detecting other forms of spoofing attack where more traditional front-end representations give substantially better results. Similar differences were also observed in the most recent, 2019 edition of the ASVspoof challenge series. This paper reports our attempts to help explain these observations. The explanation is shown to lie in the level of attention paid by each front-end to different sub-band components of the spectrum. Thus far, surprisingly little has been learned about what artefacts are being detected by spoofing countermeasures. Our work hence aims to shed light upon signal or spectrum level artefacts that serve to distinguish different forms of spoofing attack from genuine, bone fide speech. With a better understanding of these artefacts we will be better positioned to design more reliable countermeasures.

연구 동기 및 목표

• 자동 발화자 확인에서 다양한 공격 유형에 대해 CQCC 기반 스푸핑 대응 조치의 성능이 어떻게 변동하는지 설명하는 것.
• CQCCs에 의해 탐지 가능하거나 탐지 불가능한 스푸핑 아티팩트의 스펙트럼 특성을 규명하는 것.
• 상수 Q 변환의 주파수 해상도가 특정 스푸핑 아티팩트에 대한 탐지 민감도에 미치는 영향을 조사하는 것.
• CQCC의 기하학적 주파수 스케일링이 스푸핑 공격 탐지 능력에 어떤 영향을 미치는지 평가하는 것 — 즉, 아티팩트의 스펙트럼 내 위치에 따라 향상되거나 제한되는지 여부를 판단하는 것.

제안 방법

• 다양한 주파수 대역이 스푸핑 탐지 성능에 기여하는 정도를 분리하고 평가하기 위해 하위 대역 분석 기법을 사용한다.
• 기하학적 스케일링(상수 Q)과 선형 스케일링(선형 주파수)을 적용한 상수 Q 변환에서 유도된 CQCCs를 비교함으로써 스펙트럼 강조의 차이를 평가한다.
• ASVspoof 2019 데이터셋을 기반으로 여러 스푸핑 공격에 대해 EER(등가 오류 비율)를 사용해 성능을 평가한다.
• 분석은 CQT의 스펙트럼 해상도가 낮은 주파수 성분을 강조하는 방식으로 진행되며, 많은 스푸핑 아티팩트가 이 영역에 국한되어 있음을 고려한다.
• 저주파수 성분의 강조 정도에 따라 CQCC 성능을 비교하고 LFCC 특징과의 성능을 대조함으로써 결과의 타당성을 검증한다.
• 스펙트로그램-시간 해상도의 영향을 분석하고, 스푸핑 아티팩트의 주파수 위치와 성능 간 상관관계를 분석한다.

실험 결과

연구 질문

• RQ1 왜 CQCC 기반 대응 조치는 일부 스푸핑 공격(S10 등)에는 뛰어나지만 다른 공격(S8 등)에는 떨어지는가?
• RQ2 다양한 공격 유형에서 스푸핑 아티팩트가 주파수 스펙트럼의 어디에 가장 뚜렷하게 존재하는가?
• RQ3 상수 Q 변환의 기하학적 주파수 스케일링이 선형 스케일링 대비 스푸핑 아티팩트 탐지에 어떤 영향을 미치는가?
• RQ4 스푸핑 아티팩트의 스펙트럼 특성이 CQCC 기반 탐지 성능에 얼마나 영향을 미치는가?
• RQ5 공격 간 CQCC 성능 차이가 특정 하위 대역 내 에너지 및 아티팩트 분포에 의해 설명될 수 있는가?

주요 결과

• CQCCs는 아티팩트가 낮은 주파수 대역에 집중되어 있을 경우에 가장 잘 작동한다. 이는 상수 Q 변환의 낮은 주파수에서의 고밀도 샘플링 덕분이다.
• S10 공격처럼 아티팩트가 저주파 스펙트럼에 집중된 경우, 기하학적 스케일링을 적용한 CQCCs는 근사적으로 0%의 EER를 기록하며, 기준 시스템 대비 EER를 72% 감소시킨다.
• S8와 같은 공격처럼 아티팩트가 고주파 대역에 위치한 경우, 선형 스케일링을 적용한 CQCCs와 LFCC가 기하학적 스케일링을 적용한 CQCCs보다 성능이 뛰어나며, 이는 스펙트럼 강조의 중요성을 시사한다.
• 기하학적 주파수 스케일링을 적용한 CQCC 프론트엔드는 A17, A10, A12, A18 공격을 효과적으로 탐지하지 못하며, 다양한 설정에서도 높은 EER를 유지한다.
• 하위 대역 분석 결과, 탐지 성능은 총 신호 에너지 외에도 스푸링 아티팩트의 주파수 위치와 강하게 상관됨을 확인하였다.
• 결과적으로, 체프스트랄 분석은 국소화된 스펙트럼 아티팩트를 부드럽게 만들 수 있으며, 향후 대응 조치는 전체 스펙트럼을 대상으로 하기보다 특정 주파수 대역을 중심으로 설계되어야 할 것이다.