1月23日消息，近日，在全球首届语音匿名化系统攻击挑战赛中，奇富科技凭借其 SpecWav-Attack方案，一举斩获前五的佳绩。

其相关论文/SpecWav - Attack: Leveraging Spectrogram Resizing and Wav2Vec 2.0 for Attacking Anonymized Speech/，成功被顶级学术会议ICASSP2025接收，获得了国际学术界的认可。

此前，奇富科技另一篇论文/SFE - Net：Harnessing Biological Principles of Differential Gene expression for Improved Feature Selection in Deep Learning Networks/从深伪检测防御的角度出发展开研究。

这两项成果，分别从攻与防两个维度，为用户语音隐私保护的研究提供了宝贵的参考依据，更为后续开发更有效的防御机制指明方向。

资料显示，全球首届语音匿名化系统攻击挑战赛由ICASSP 2025大力支持，堪称语音隐私安全保护领域的巅峰对决。它吸引了来自全球五十多个国家的数百支顶尖科研团队踊跃参与，其中不仅有在学术界声名赫赫的TOP级别学术机构，还有众多在工业界极具影响力、注重技术实用价值的团队。各参赛团队需在极为有限的固定周期内，针对赛方指定的特定语音匿名化系统，开发出高效且精准的攻击系统，同时还要开发性能卓越的自动说话人验证系统并提交得分。每支团队都需要争分夺秒地优化算法、提升模型性能，竞争的激烈程度可谓空前。

据介绍，奇富科技的SpecWav-Attack方案能够在众多强劲对手中脱颖而出，靠的是其在技术上的诸多创新。在创新性数据增强方面，该方案通过垂直调整Mel频谱图，巧妙地突出说话人特定音色特征，同时最大程度保留内容相关信息，这一独特的处理方式极大地提升了模型的鲁棒性与适应性，使其在复杂多变的语音环境中也能游刃有余。

此外，增量训练策略也是一大亮点，先在原始数据集进行初步训练，再在增强数据集上进行精细微调，有效缩短了模型训练周期，显著提高了模型的稳定性与性能表现。此外，与传统的fbank特征提取方法不同，SpecWav-Attack方案大胆采用自监督的Wav2Vec2.0模型，生成的1024维嵌入能够捕捉到更丰富、更细致的语音特征，从而在匿名化语音识别任务中实现了质的飞跃。

从实际攻防效果来看，SpecWav-Attack方案在多个语音匿名化系统的测试中，它显著降低了等错误率（EER），尤其是在T10-2系统上，EER降低幅度高达13.82%，这一成果证明了该方案在攻击匿名化语音系统方面的卓越能力。

从行业影响层面来讲，SpecWav-Attack方案如同在语音隐私保护领域投下了一颗“震撼弹”，它有力揭示了当前匿名化语音系统中存在的潜在漏洞，为整个行业敲响了警钟，进一步强调了加强语音隐私保护防御措施的紧迫性与重要性。