MiLTL:一种用于端侧语音钓鱼检测的跨模态矛盾级联
《Algorithms》:MiLTL: A Cross-Modal Contradiction Cascade for On-Device Voice Phishing Detection
【字体:
大
中
小
】
时间:2026年08月28日
来源:Algorithms 2.6
摘要
语音诈骗(Vishing)会造成财务和心理伤害,但已部署的检测器通过在通话记录中扫描诈骗词汇来工作,其实用性远不如其基准分数所示:它们在标准韩语语料库上接近完美的准确率更多源于记忆而非泛化,在诈骗者改写措辞或语言模型重写后便会崩溃。我们构建了KorMMP,一个基准,保留了真实监管来源的诈骗录音和真实的良性语音,但使转录文本与标签去相关;以及MiLTL,一个基于情感通道和中性模糊通道的设备端检测器,其中包含一个跨模态矛盾信号(XM),其设计用于衡量词汇温暖度与语音冷感度之间的差异。在报告的评估中,XM的可测量贡献在于置信度分级和升级路由,而非排序准确率。一种在推理阶段零梯度学习参数的评分规则可筛查每个片段,将模糊通话转交给小型设备端语言模型;原始音频始终保留在设备端。我们在普通CPU容器和智能手机上测量了这两个阶段的性能;这些预算仅涵盖检测器本身,不包含语音识别,而我们预期语音识别将主导实时端到端预算。在未对困难基准进行训练的情况下,MiLTL达到0.965的AUROC(录音级聚类自助法95%置信区间0.943–0.984),而所有受评估的比较方法均低于0.69:仅文本、仅音频、融合、7B多模态模型。在饱和语料库上,MiLTL得分较低,这是预期的,因为该检测器并非主要依赖词汇捷径。KorMMP是一项受控的词汇去相关压力测试,而非野外检测的度量;其有害音频和良性音频来自不同语料库,因此来源和标签存在结构性混杂,残余来源效应无法完全排除。XM由作者定义,在合成层中是构建而非自然产生的,且尚未与人类感知进行验证;这是本工作的主要开放局限。在该范围内,本工作为设备端反语音诈骗提供了可复现的基础,并为词汇漂移下的检测器鲁棒性提供了基准。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号