GRIDEX：Deepfake 频谱图分析的基于网格的取证解释

语音生成技术的进步使人工语音变得越来越现实。尽管现代分类模型在深度伪造检测方面可以实现高精度，但它们无法提供证据，例如指示欺骗线索出现在声谱图中的位置以及它们在声学上的含义，从而限制了它们在法医环境中的有用性。全谱图的手动分析需要大量资源，因此证据应将注意力集中在最具诊断性的区域。此外，现有的可解释性方法在将上下文属性与本地证据连接起来方面能力有限，使得解释更难验证。为了克服这一限制，我们提出了 GRIDEX，这是一种管道，当给定深度伪造频谱图时，它会生成对其异常情况的取证解释。该管道 (i) 选择频谱图中的前 K 个异常区域，并且 (ii) 为每个异常生成解释。这些解释遵循分类声场的模式，包括时间、频谱、语音信息和解释文本。据我们所知，这是第一个使用深度伪造频谱图的区域定位依据生成结构化取证解释的框架。 GRIDEX 采用两阶段学习范式进行训练，该范式将监督 微调 (SFT) 与组相对策略优化 (GRPO) 相结合。我们的数据集上的实验表明，与强大的视觉语言模型 (VLM) 基线相比，工件定位和解释质量得到了改善。数据集和代码将在发布后发布。