상세 설명

한소율 연구실은 음성 스푸핑 및 딥페이크 탐지 분야에서 선도적인 연구를 수행하고 있습니다. 최근 인공지능과 딥러닝 기술의 발달로 인해 음성 합성 및 변조 기술이 급격히 발전하면서, 실제와 구분하기 어려운 가짜 음성 데이터가 생성되고 있습니다. 이에 따라 음성 기반 인증 시스템의 보안 위협이 증가하고 있으며, 이를 효과적으로 탐지하고 방어하는 기술의 필요성이 대두되고 있습니다. 연구실에서는 Residual Network(ResNet), Max Feature Map, Depthwise Separable Convolution, wav2vec 2.0 등 다양한 딥러닝 기반 모델을 활용하여 음성 스푸핑 탐지의 정확도를 높이고, 실제 환경에서의 적용 가능성을 높이기 위한 경량화 및 실시간 처리 기술을 개발하고 있습니다. 또한, Frequency Feature Masking(FFM)과 같은 데이터 증강 기법을 도입하여 노이즈 환경에서도 높은 탐지 성능을 유지할 수 있도록 연구하고 있습니다. 이러한 기술들은 국제 대회(ASVspoof, ADD Challenge 등)에서 우수한 성적을 거두며 그 우수성이 입증되었습니다. 더불어, 연구실은 해석 가능한 인공지능(Interpretable AI) 기반의 음성 스푸핑 탐지 프레임워크(iWAX)도 개발하고 있습니다. 이를 통해 딥러닝 모델이 음성 신호의 어떤 부분에 주목하여 스푸핑 여부를 판단하는지 설명할 수 있으며, 실제 서비스 적용 시 신뢰성과 투명성을 높이고 있습니다. 이러한 연구는 미래의 음성 기반 인증 및 보안 시스템의 핵심 기술로 자리매김할 전망입니다.

키워드

관련 이미지

관련 자료