GLAD 音频伪造检测

GLAD（Global-Local Adaptive Detector）面向未知攻击和跨域环境下语音伪造检测泛化不足的问题，联合高层语义、底层局部伪造痕迹和样本级动态模型选择。

原稿 Figure 3：SaniBoost、层次化全局-局部骨干和层次自适应门控构成完整 GLAD 流程。

核心亮点

• 层次化全局-局部编码： 以语义-声学交叉注意力协同建模双流自监督特征，并融合全局时序线索与局部 CNN 痕迹。
• 样本级自适应门控： 根据不同攻击样本动态重加权多个自监督层和异构骨干，减少域相关干扰。
• SaniBoost 数据增强： 结合噪声净化与信号归一化，降低模型依赖环境噪声捷径的风险。
• 挑战赛验证： 获 ICME ESDD2 2026 环境音频伪造检测挑战赛第 4 名。