深度分析
「HyperPotter」超圖框架結合高階交互與 O‑information 提升音訊深偽檢測效能
生成式 AI 產生的語音深偽日益逼真，傳統偵測多著重局部或兩兩關係。研究提出 HyperPotter 超圖框架，透過聚類式超邊與類別原型建構高階協同交互。實驗顯示在 13 個測試集上平均提升 22%，在跨域挑戰上領先 14%。此技術提升了偵測的泛化與安全性。
深度分析
生成式 AI 產生的語音深偽日益逼真，傳統偵測多著重局部或兩兩關係。研究提出 HyperPotter 超圖框架，透過聚類式超邊與類別原型建構高階協同交互。實驗顯示在 13 個測試集上平均提升 22%，在跨域挑戰上領先 14%。此技術提升了偵測的泛化與安全性。
量子核
生成語音技術提升帶來偽造音訊風險。本研究提出Q-Patch量子特徵映射,以mel頻譜的局部時頻貼片為單位,用四維聲學描述壓縮資訊並以淺層四量子位電路編碼,再透過保真度核進行QSVM分類。在受控小樣本驗證上,Q-Patch在AUROC上優於同級RBF-SVM。