目的在多媒体取证领域，语音证据的来源识别对于司法实践和信息安全至关重要。然而，现有方法大多仅能识别手机型号，而无法精确区分个体设备，导致语音证据多被视为辅助线索而非直接有效证据。方法本文提出一种多尺度特征融合与动态增强的语音来源识别模型（Multi-scale feature fusion and dynamic enhancement for voice source identification， VSI）。首先，通过残差-注意力协同网络，增强模型对不同设备相关特征的捕捉能力，提取语音信号的硬件指纹特征；其次，设计基于表达增强TDNN的整体特征提取模块，能够更好地捕捉丰富的设备特征信息；并设计基于多级残差SE-Res2Net的局部特征提取模块，有效捕捉手机设备个体之间的细微特征差异；然后，设计基于特征重校准与动态全局滤波的特征增强模块，滤除与任务无关的信息，增强与设备个体相关的特征表示；最后，构建细粒度分类模型，实现从型号到个体的跨层级设备识别。结果为了验证所提模型的有效性，论文构建了包含14个手机品牌、121个不同个体设备的语音数据集。所提VSI模型的等错误率（EER）、准确率（ACC）和最小检测代价函数（minDCF）指标分别为7.50%、89.97%和0.38，相较于文中对比的其他四种方法，EER分别降低了4.75%、4.71%、5.44%和3.46%，ACC分别提升了3.98%、2.20%、4.90%和2.52%，minDCF分别下降了0.04、0.04、0.30和0.03。而且，模型在改变语音时长、采样率、编码格式和幅值环境下具有一定的鲁棒性。结论这表明该模型能够将语音数据作为电子证据，为司法取证、智能终端设备身份认证等领域提供有力技术支持。
Zhaopin et al. (Thu,) studied this question.