TMT观察网_独特视角观察TMT行业

【TechWeb】1月23日消息，近日，在全球首屆語音匿名化系統攻擊挑戰賽中，奇富科技憑借其 SpecWav-Attack方案，一舉斬獲前五的佳績。

其相關論文/SpecWav - Attack: Leveraging Spectrogram Resizing and Wav2Vec 2.0 for Attacking Anonymized Speech/，成功被頂級學術會議ICASSP2025接收，獲得了國際學術界的認可。

此前，奇富科技另一篇論文/SFE - Net：Harnessing Biological Principles of Differential Gene Expression for Improved Feature Selection in Deep Learning Networks/從深偽檢測防御的角度出發展開研究。

這兩項成果，分別從攻與防兩個維度，為用戶語音隱私保護的研究提供了寶貴的參考依據，更為后續開發更有效的防御機制指明方向。

資料顯示，全球首屆語音匿名化系統攻擊挑戰賽由ICASSP 2025大力支持，堪稱語音隱私安全保護領域的巔峰對決。它吸引了來自全球五十多個國家的數百支頂尖科研團隊踴躍參與，其中不僅有在學術界聲名赫赫的TOP級別學術機構，還有眾多在工業界極具影響力、注重技術實用價值的團隊。各參賽團隊需在極為有限的固定周期內，針對賽方指定的特定語音匿名化系統，開發出高效且精準的攻擊系統，同時還要開發性能卓越的自動說話人驗證系統并提交得分。每支團隊都需要爭分奪秒地優化算法、提升模型性能，競爭的激烈程度可謂空前。

據介紹，奇富科技的SpecWav-Attack方案能夠在眾多強勁對手中脫穎而出，靠的是其在技術上的諸多創新。在創新性數據增強方面，該方案通過垂直調整Mel頻譜圖，巧妙地突出說話人特定音色特征，同時最大程度保留內容相關信息，這一獨特的處理方式極大地提升了模型的魯棒性與適應性，使其在復雜多變的語音環境中也能游刃有余。

此外，增量訓練策略也是一大亮點，先在原始數據集進行初步訓練，再在增強數據集上進行精細微調，有效縮短了模型訓練周期，顯著提高了模型的穩定性與性能表現。此外，與傳統的fbank特征提取方法不同，SpecWav-Attack方案大膽采用自監督的Wav2Vec2.0模型，生成的1024維嵌入能夠捕捉到更豐富、更細致的語音特征，從而在匿名化語音識別任務中實現了質的飛躍。

從實際攻防效果來看，SpecWav-Attack方案在多個語音匿名化系統的測試中，它顯著降低了等錯誤率（EER），尤其是在T10-2系統上，EER降低幅度高達13.82%，這一成果證明了該方案在攻擊匿名化語音系統方面的卓越能力。

從行業影響層面來講，SpecWav-Attack方案如同在語音隱私保護領域投下了一顆“震撼彈”，它有力揭示了當前匿名化語音系統中存在的潛在漏洞，為整個行業敲響了警鐘，進一步強調了加強語音隱私保護防御措施的緊迫性與重要性。