SafeEar是由浙江大学和清华大学联合开发的AI音频伪造检测框架，保护用户隐私的同时检测音频伪造。采用基于神经音频编解码器的解耦模型，分离语音的声学信息和语义信息，用声学信息进行检测，有效防止隐私泄露。SafeEar在多个基准数据集上表现优异，等错误率(EER)低至2.02%，能抵御内容恢复攻击。SafeEar提供了多语言支持，构建了包含150万条多语种音频数据的CVoiceFake数据集，为语音伪造检测研究提供了宝贵的资源。
SafeEar的主要功能隐私保护的深度伪造检测：通过分离语音的语义和声学信息，SafeEar仅用声学信息来检测深度伪造音频，在检测过程中保护语音内容的隐私。多语言支持：SafeEar能处理和检测多种语言的音频数据，包括但不限于英语、中文、德语、法语和意大利语。高效的伪造检测：在多个公开基准数据集上测试显示，SafeEar的等错误率（EER）低至2.02%，表现出高效的检测能力。抗内容恢复技术：SafeEar结合了基于现实场景的编解码器增强和抗内容恢复技术，即使在对抗性攻击下也能保持高检测准确率。真实环境增强：通过模拟真实环境中的音频信道多样性，SafeEar增强了模型对不同通信场景的泛化能力。开源资源：SafeEar提供了论文、代码和数据集的开放访问，促进了研究社区的进一步研究和应用开发。数据集构建：SafeEar构建了CVoiceFake数据集，包含150万条多语种音频样本，为语音伪造检测提供了标准化的测试基准。SafeEar的技术原理语义-声学信息分离：SafeEar使用神经音频编解码器模型来解耦音频中的语义信息（如语言内容）和声学信息（如音色、语调和节奏）。这种分离确保了在检测伪造音频时不会泄露音频的具体内容，保护了用户隐私。声学信息分析：系统仅分析音频的声学特征，不是语义内容。通过关注音调、音色和节奏等声学特征，SafeEar能有效地识别出伪造音频。多语言支持：SafeEar能处理多种语言的音频数据，采用去语义化处理，确保在分析过程中不暴露具体的语义内容。抗内容恢复技术：SafeEar结合了基于现实场景的编解码器增强和抗内容恢复技术，抵御各种音频深度伪造方法，确保在对抗性攻击下也能保持高检测准确率。Transformer分类器：SafeEar采用了基于声学输入的Transformer分类器，分类器在伪造检测方面显示出了潜力，能提高检测的精准度和效率。SafeEar的项目地址项目主页：safeearweb.github.io/Project/Github仓库：https://github.com/LetterLiGo/SafeEar技术论文：https://safeearweb.github.io/Project/files/SafeEar_CCS2024.pdfSafeEar的应用场景社交媒体和公共论坛：在这些平台上，音频内容的伪造可能用于误导或欺骗，SafeEar可以用来检测和标记这些伪造内容。法律和司法系统：在法律程序中，音频证据的真伪至关重要。SafeEar可以帮助验证录音的真实性。金融机构：在客户服务和交易验证中，语音识别系统可能会受到伪造音频的威胁。SafeEar可以提高交易的安全性。政府和安全机构：在国家安全和公共安全领域，检测伪造的音频信息至关重要。SafeEar可以帮助识别潜在的威胁和虚假信息。在线教育：在线课程和考试中，SafeEar可以用来确保音频材料的真实性，防止学术欺诈。 
