이 연구는 오디오 딥페이크 탐지기가 탐지에 쓰이는 음향 신호를 억제하는 적대적 교란에 취약하다는 문제에서, 기존 확산 모델 기반 정화 방어가 모든 입력에 동일한 정화 강도를 적용해 교란 제거와 스푸핑 신호 보존 사이에서 트레이드오프를 겪는다는 한계를 지적한다. 저자들은 경미한 정화가 적대적 입력의 탐지 점수를 양성 입력보다 훨씬 크게 흔든다는 관찰에 기반해, 이 점수 변화를 참조 없는 적대적 조작 지표로 활용하는 입력별 정화 강도 조정 방어 DGAP를 제안한다. 변화가 작은 입력은 그대로 통과시키고, 플래그된 입력만 더 강한 정화를 거쳐 최종 탐지에 들어가는 구조다. 세 가지 적대적 공격 설정과 세 개의 딥페이크 탐지기에서 아홉 개 기존 방어와 비교한 결과 DGAP는 양성 입력에는 거의 영향을 주지 않으면서 전 탐지기에서 최고의 방어 성능을 기록했고, 방어를 인지한 적응적 공격에서도 효과를 유지했다.
- •입룥버 정화 강뇌륬 조절하륨 오딴오 딕페이후 목어 전워 DGAP 제안
- •곈미한 정화의 탐지 점수 몜화뇉을 됸조 없는 조작 지표리 최욵
- •세 강강·세 탐지기에서 아홉 개 개 기륰 방어뿔다 우수한 성능 달성
- •양성 입룥에늘 영향이 깖고 방어 인지 적응 강짅에뎘륨 유지
0단 자동
AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.
- 규칙 판
- 규칙 판 도입 이전 기사입니다.
- 남기는 것
- 규칙 판 · 모델 · 시각
- 판 기록
- 아직 없습니다.
Detection-Guided Adaptive Purification with Diffusion Models for Robust Audio Deepfake Detection
- 1.입력별로 정화 강도를 조절하는 디퓨전 기반 적대적 방어 DGAP 제안, 오디오 딥페이크 탐지기 보호
- 2.약한 정화가 적대적 입력 탐지점수를 정상 입력보다 훨씬 크게 흔든다는 점으로 조작 여부 판별
- 3.점수 변화가 큰 입력만 강한 정화를 적용, 나머지는 그대로 통과
- 4.3개 공격·3개 탐지기·기존 방어 9종 비교에서 최우수 방어 성능, 정상 입력 영향은 거의 없음
왜 중요한가?
탐지기 재학습 없이도 입력별로 적응적인 방어가 가능함을 보여, 오디오 딥페이크 탐지 시스템의 적대적 강건성을 실무적으로 높일 수 있는 방법을 제시한다.
본문 미리보기
arXiv:2610.10752v1 Announce Type: new Abstract: Audio deepfake detectors remain vulnerable to adversarial perturbations that suppress the acoustic cues used for detection, allowing manipulated utterances to evade the detector. Although existing defenses can improve robustness, they require retraining the detector or introduce additional distortion. Diffusion-based purification instead leaves the pretrained detector unchanged, but existing methods use the same purification strength for all input
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
이 글이 만들어진 과정
- 11:24AI 초안



![[Tech Insight] "AI 해킹, 보안 문제로만 보는 건 위험한 착각"](https://cdn.digitaltoday.co.kr/news/photo/202610/706229_653947_485.jpg)