EUVIMEDEUVIMED entdecken
Crossref

Uzman Karışımı Füzyonu ile Öz-Denetimli Ses Temsilleri Kullanarak Derin Sahte Ses Tespiti

Gul Tahaoglu, Asya Düzgün

Karadeniz Fen Bilimleri Dergisi · 26.03.2026 · 16 (2) · 514-526

DOI: 10.31466/kfbd.1828944 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Karadeniz Fen Bilimleri Dergisi, online erschienen am 26.03.2026. Verfasst von Gul Tahaoglu und 1 weiteren Autor:innen. Die Arbeit nennt 32 Literaturangaben. Gefördert von: Karadeniz Teknik Üniversitesi.

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Derin sahte ses manipülasyonları, gerçek insan seslerini neredeyse ayırt edilemeyecek kadar yüksek bir doğrulukla taklit edebilir; bu da ciddi güvenlik açıkları oluşturur, medyanın güvenilirliğini zedeler ve dijital kimlik doğrulama sistemlerinin güvenilirliğini tehdit eder. Bu çalışma, derin sahte ses örneklerini tespit etmek için Öz Denetimli Öğrenme (Self Supervised Learning, SSL) modellerinden elde edilen ses gösterimlerinin ve dikkat mekanizmalarına sahip NeXt-TDNN (NeXt Time Delay Neural Network) mimarisi ile sınıflandırılmasına dayalı sağlam bir tespit çerçevesi önermektedir. Önerilen yaklaşımda, girdi konuşma sinyallerinden ses özellikleri, HuBERT-Large ve WavLM-Large olarak isimlendirilen ön eğitimli SSL modelleri kullanılarak çıkarılmaktadır. Çıkarılan iki ayrı özellik bilgisinin birleştirilmesi amacı ile Uzman Karışımı (Mixture of Experts, MoE) mekanizması kullanılmıştır. MoE, farklı uzman ağlarının çıktılarının dinamik olarak ağırlıklandırılmasıyla birden fazla özelliğin daha etkili ve esnek bir şekilde birleştirilmesini sağlar. Bu yaklaşım, modelin hesaplama karmaşıklığını optimize ederken kanal ve zamansal boyutlarda daha ayrıntılı ve güvenilir bir gösterim öğrenimine imkân tanımaktadır. MoE tabanlı füzyon, özellikle heterojen ve yüksek boyutlu ses özelliklerini birleştirmede uzmanlaşmış alt modeller aracılığıyla derin sahte örnekleri ayırt etmede üstün performans sergilemektedir. Ayrıca MoE mimarisi, modelin genelleme yeteneğini artırarak farklı saldırı türlerine karşı daha sağlam ve ölçeklenebilir bir derin sahte ses tespit sistemi ortaya çıkarmaktadır. Bu bağlamda, MoE tabanlı özellik füzyonuna sahip önerilen tespit yöntemi, derin sahte ses tespitinde önemli avantajlar sunmaktadır. Deneysel sonuçlara göre önerilen yaklaşım ASVspoof 2019 LA veri kümesinde %0,34 EER ve 0,01 min t-DCF değerlerine ulaşmıştır.

Förderung

  • Karadeniz Teknik Üniversitesi

Zitieren

APA

Tahaoglu, G., & Düzgün, A. (2026). Uzman Karışımı Füzyonu ile Öz-Denetimli Ses Temsilleri Kullanarak Derin Sahte Ses Tespiti. Karadeniz Fen Bilimleri Dergisi, 16(2), 514-526. https://doi.org/10.31466/kfbd.1828944

Vancouver

Tahaoglu G, Düzgün A. Uzman Karışımı Füzyonu ile Öz-Denetimli Ses Temsilleri Kullanarak Derin Sahte Ses Tespiti. Karadeniz Fen Bilimleri Dergisi. 2026;16(2):514-526. doi:10.31466/kfbd.1828944

BibTeX
@article{Tahaoglu2026,
  author = {Tahaoglu, Gul and Düzgün, Asya},
  title = {Uzman Karışımı Füzyonu ile Öz-Denetimli Ses Temsilleri Kullanarak Derin Sahte Ses Tespiti},
  journal = {Karadeniz Fen Bilimleri Dergisi},
  year = {2026},
  volume = {16},
  number = {2},
  pages = {514--526},
  doi = {10.31466/kfbd.1828944}
}
Kostenlos starten →