面向泛化音频深度伪造检测的自监督域不变特征表示学习

基于摘要分析。本文研究音频深度伪造检测（ADD）在跨域场景下泛化不足的问题，提出结合自监督表示前端与域泛化骨干的 W2VASDG 系统，并以 aggregation and separation domain generalization（ASDG）学习域不变特征表示。其研究对象是真实与伪造语音的辨别，并非 EEG 或 BCI。 核心机制是利用真实语音与伪造语音在变化来源上的差异：作者认为，不同伪造方法产生的假语音差异较大，而真实语音变化相对较小，因此希望构建聚合真实语音、分离伪造语音的特征空间。摘要没有交代具体自监督目标、聚合与分离损失、域标签需求及训练流程，这些实现条件尚未验证。 作者报告，W2V-ASDG 在跨域评估中优于基线模型，平均等错误率（EER）为 4.60%。但摘要未提供数据集、训练与测试域划分、伪造攻击类型、基线名称或平均方式，因此该数值只能理解为作者所述跨域实验的结果，不能外推至其他协议；实验协议、消融及统计信息尚未验证。 平台推测（待验证）：若 EEG 任务也存在某一类别跨域相对稳定、另一类别变化显著的不对称结构，ASDG 的类别条件聚合与分离思路可能用于探索跨被试或跨会话域泛化。可复用的是特征空间约束思路，语音前端及类别结构假设需重新评估；EEG 的低信噪比、通道差异与小样本可能使聚合误伤有效个体差异。一个可检验的小实验是在固定跨被试划分和同一 EEG 编码器下，对比基础分类目标与加入该约束后的表现，并检查类内聚合是否保留任务信息。此为迁移假设，不是本文已验证的贡献；已有 EEG 相关工作尚未检索确认。