• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    音頻鑒偽檢測與防御技術(shù)研究*

    2023-02-23 04:55:08鄭榕孟凡芹王志宣
    警察技術(shù) 2023年1期
    關(guān)鍵詞:音頻語音卷積

    鄭榕 孟凡芹 王志宣

    1. 北京遠(yuǎn)鑒信息技術(shù)有限公司研究院 2. 公安部第一研究所 3. 多維身份識別與可信認(rèn)證技術(shù)國家工程研究中心

    引言

    人工智能生成內(nèi)容(Artificial Intelligence Generated Content,AIGC)正在快速興起,通過人工智能算法對數(shù)據(jù)或內(nèi)容進(jìn)行生產(chǎn)和編輯,重塑數(shù)字內(nèi)容的生產(chǎn)和消費模式[1]。語音是人機(jī)交互的的主要接口,伴隨著人工智能技術(shù)的興起和新設(shè)備不斷推出,得到了快速發(fā)展,其中一些只能通過語音命令或聲音交互進(jìn)行操作,這為黑客或破壞者提供了攻擊的機(jī)會,特別是涉及語音欺詐或者深度合成(Deep Synthesis)語音方面[2],達(dá)到以假亂真的程度,輕松實現(xiàn)變聲、聲音克隆等。技術(shù)濫用后很可能使得偽造生成內(nèi)容通過互聯(lián)網(wǎng)和電信網(wǎng)廣泛傳播,造成虛假身份、虛假信息、違法違規(guī)內(nèi)容流出或傳播,給檢測、追溯、監(jiān)管等造成嚴(yán)重困難。

    隨著深度學(xué)習(xí)技術(shù)的發(fā)展,典型人機(jī)交互系統(tǒng)例如聲紋識別系統(tǒng)、語音控制系統(tǒng)等,在走向?qū)嶋H應(yīng)用的過程中易受語音欺騙的攻擊[3]。語音欺騙攻擊利用各種算法生成與特定說話人或特定內(nèi)容盡可能相似的語音,包括語音合成、聲音轉(zhuǎn)換、錄音重放、語音拼接和對抗樣本等形式。

    語音欺騙主要可分為物理訪問(Physical Access)攻擊和邏輯訪問(Logical Access)攻擊。物理攻擊通常經(jīng)過了聲音采集環(huán)節(jié),通過APP、HTML5頁面等形式,例如錄音重放。邏輯攻擊通常是通過調(diào)用SDK/API、服務(wù)接口完成攻擊,例如語音合成、聲音轉(zhuǎn)換、聲音克隆等。實際應(yīng)用中需要鑒別各種來源音頻或視頻中音軌數(shù)據(jù)的真?zhèn)?,包括來自互?lián)網(wǎng)和電信網(wǎng)等復(fù)雜多樣的音頻數(shù)據(jù)。音頻鑒偽是將音頻數(shù)據(jù)輸送到自動音頻鑒偽系統(tǒng)中,通過系統(tǒng)輸出的相似度判決是否為偽造音頻。本文結(jié)合音頻鑒偽檢測典型系統(tǒng)和技術(shù)發(fā)展歷程,開展了音頻鑒偽檢測與防御技術(shù)研究,旨在提升實際應(yīng)用場景中音頻鑒偽檢測的通用性和泛化能力。

    一、音頻鑒偽檢測與攻防對抗

    (一)典型系統(tǒng)

    典型的音頻鑒偽檢測技術(shù)需支持傳統(tǒng)偽造音頻以及深度合成音頻的檢測,如音頻增刪拼接偽造、語音身份風(fēng)格偽造、音色偽造、韻律偽造和聲音轉(zhuǎn)換等各種類型的偽造音頻[4]。鑒偽檢測系統(tǒng)流程如圖1所示。

    訓(xùn)練階段:把真實音頻和偽造音頻的波形或特征輸入分類網(wǎng)絡(luò)或分類器,例如門控循環(huán)單元(Gated Recurrent Unit,GRU)或者輕量級卷積神經(jīng)網(wǎng)絡(luò)(Light Convolutional Neural Network,LCNN)等,迭代訓(xùn)練網(wǎng)絡(luò),最后得到真實音頻和偽造音頻的分類模型。非端到端分類網(wǎng)絡(luò)中通常前置音頻特征提取模塊。

    檢測階段:把待測音頻的波形或特征輸入到鑒偽檢測模型,計算相似度并與預(yù)設(shè)閾值進(jìn)行比較,得到檢測判決結(jié)果。

    聲音模仿和錄音重放,實現(xiàn)成本較低,通過簡單的錄音設(shè)備即可實現(xiàn)。利用開源算法工具,語音合成和聲音轉(zhuǎn)換的偽造門檻不斷降低。攻防技術(shù)手段不斷升級,偽造攻擊可以是單點攻擊但是檢測防御需要做到線防御或面防御。隨著變分自編碼器、生成對抗網(wǎng)絡(luò)、流模型、擴(kuò)散模型等技術(shù)的發(fā)展,攻擊技術(shù)手段不斷提升,例如聲音轉(zhuǎn)換逐漸朝著小樣本、輕量化、多對多轉(zhuǎn)換的技術(shù)路線發(fā)展。語音合成逐步提升韻律音色合成的穩(wěn)定性、個性化和表現(xiàn)力。錄音重放基于各種新推出的采集設(shè)備、播放設(shè)備、錄音設(shè)備,以及錄放過程中引入的各種環(huán)境噪聲。

    隨著錄音設(shè)備質(zhì)量的提高和語音合成、聲音轉(zhuǎn)換等語音智能處理技術(shù)的發(fā)展,特別是深度合成技術(shù)的深入應(yīng)用,真實音頻與人工生成后的音頻將越來越難以區(qū)分,給語音防欺騙檢測和自動聲紋識別系統(tǒng)的安全性帶來嚴(yán)峻的挑戰(zhàn)。當(dāng)前技術(shù)應(yīng)用主要存在以下幾方面的局限性:

    攻防對抗頻繁:鑒別技術(shù)提出之后會有針對該鑒別技術(shù)的對抗方式出現(xiàn),攻防對抗非常頻繁。

    泛化能力不足:通常鑒偽技術(shù)只針對特定生成模型,對未見場景或者遷移后的性能下降明顯,比如在跨域跨場景或多種數(shù)據(jù)來源的數(shù)據(jù)場景中性能下降,實際應(yīng)用中會遇到長尾分布問題導(dǎo)致效果不佳,這些問題均要求檢測模型具備更好的泛化能力和通用性。

    深度學(xué)習(xí)效果有待提升:通常方法是先將原始音頻數(shù)據(jù)預(yù)處理成特征,再把特征輸入神經(jīng)網(wǎng)絡(luò)。神經(jīng)網(wǎng)絡(luò)和其他模塊分別訓(xùn)練以提升整體模型的效果,由于各個模塊的最優(yōu)解結(jié)合后并不一定是全局最優(yōu),因此深度學(xué)習(xí)的效果發(fā)揮還不夠充分。

    音頻鑒偽攻防對抗中,進(jìn)一步研究真實音頻與偽造音頻之間差異性及有效解釋,應(yīng)對復(fù)雜多樣音頻鑒偽的通用能力,提升基于深度學(xué)習(xí)的檢測防御能力,特別是端到端音頻鑒偽系統(tǒng)性能、多系統(tǒng)融合鑒偽等方面,受到越來越多的重視。

    (二)發(fā)展歷程

    國際上對語音防欺騙這一問題持續(xù)關(guān)注,并從2015年至2021年連續(xù)舉辦了四屆聲紋防攻擊挑戰(zhàn)賽(Automatic Speaker Verification and Spoofing Countermeasures Challenge,ASVspoof)[5]。最早關(guān)注合成轉(zhuǎn)換類攻擊,然后是錄音重放攻擊,最近一屆挑戰(zhàn)賽細(xì)分為合成轉(zhuǎn)換賽道、錄音重放賽道和深偽賽道。挑戰(zhàn)賽的舉辦極大地推動了語音防欺騙技術(shù)的進(jìn)步。國內(nèi)外研究單位聯(lián)合在語音領(lǐng)域會議ICASSP2022上舉辦首屆語音深度合成鑒別挑戰(zhàn)賽(Audio Deep Synthesis Detection Challenge,ADD2022)[6],推動研究人員提出具有創(chuàng)新性的算法,促進(jìn)音頻鑒偽領(lǐng)域的技術(shù)發(fā)展。語音領(lǐng)域會議INTERSPEECH2022上舉辦了首屆欺騙感知聲紋確認(rèn)挑戰(zhàn)賽(Spoofing-Aware Speaker Verification Challenge,SASV2022)[7],旨在促進(jìn)聯(lián)合優(yōu)化解決方案的研究,以完成傳統(tǒng)上分別優(yōu)化的音頻鑒偽和聲紋識別任務(wù)。

    ?

    二、音頻鑒偽技術(shù)路線

    當(dāng)前音頻鑒偽主要可分為特征工程和深度學(xué)習(xí)兩種技術(shù)路線。特征工程是提取多種頻譜特征或?qū)︻l譜提取器的改進(jìn),例如梅爾倒譜、線性倒譜等濾波器組頻譜,屬于根據(jù)專家知識設(shè)計的濾波器組。深度學(xué)習(xí)技術(shù)思路一方面可用于改進(jìn)特征提取,例如基于深度神經(jīng)網(wǎng)絡(luò)的濾波器提取器優(yōu)化訓(xùn)練等;另一方面,可用于直接訓(xùn)練真實和各種類型偽造音頻的分類器。

    (一)特征工程

    1. 特征提取

    音頻鑒偽檢測任務(wù)中,特征提取是非常重要的環(huán)節(jié)。特征工程技術(shù)路線可提取梅爾倒譜系數(shù)特征(Mel-Frequency Cepstral Coefficient,MFCC)、線性倒譜系數(shù)(Linear Frequency Cepstral Coefficients,LFCC)、逆梅爾倒譜系數(shù)特征(Inverted Mel-Frequency Cepstral Coefficient,IMFCC)、短時傅里葉變換(Short-Time Fourier Transform,STFT)聲譜圖特征、恒定Q倒譜系數(shù)特征(Constant Q Cepstral Coefficient,CQCC)、伽馬通(GammaTone)聽覺濾波器組頻譜等。當(dāng)前主要是兩種形式,一種是常見的倒譜系數(shù)提取,在濾波器組設(shè)計方面,依據(jù)專家知識設(shè)計或者基于深度學(xué)習(xí)訓(xùn)練得到。另一種是引入音樂分析的恒定Q倒譜系數(shù)提取。參數(shù)Q描述濾波器之間的分離程度,人類聽覺系統(tǒng)在500Hz到20000Hz的頻帶內(nèi)Q不變。由于恒定Q變換獲取的幾何分布的能量譜,需轉(zhuǎn)成離散余弦變換要求的頻率上的線性分布再提取倒譜特征,因此增加均勻重采樣環(huán)節(jié)。

    上述兩種特征提取方法中,均通過設(shè)置較多的濾波器組和較高的倒譜系數(shù)獲取更好的分辨能力,增強(qiáng)對高頻信息的刻畫能力。同時,增加一階和二階差分倒譜系數(shù),增強(qiáng)對動態(tài)信息的刻畫能力。

    2. 分類模型

    特征提取之后,需要具有分類性能出色的后端分類模型對聲學(xué)特征進(jìn)行建模,當(dāng)前主流的兩類方法:

    基于傳統(tǒng)機(jī)器學(xué)習(xí)的檢測方法,主要包括生成式模型和判別式模型兩種技術(shù)路線,例如生成式模型中的高斯混合模型分類器、判別式模型中的支持向量機(jī)分類器。

    基于深度學(xué)習(xí)的檢測方法,例如基于卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,CNN)、循環(huán)神經(jīng)網(wǎng)絡(luò)(Recurrent Neural Network,RNN)、卷積循環(huán)神經(jīng)網(wǎng)絡(luò)(Convolutional Recurrent Neural Network,CRNN)以及上述網(wǎng)絡(luò)結(jié)構(gòu)的衍生算法,例如基于長短期記憶(Long Short-Term Memory,LSTM)、殘差網(wǎng)絡(luò)(ResNet)和變形器(Transformer)的音頻鑒偽網(wǎng)絡(luò)。

    音頻鑒偽任務(wù)中,通常采用真?zhèn)味诸惸P?。而如果將音頻鑒偽看作是異常檢測或者類別極度不平衡的分類任務(wù),研究人員也提出了單分類(One-Class)模型。單分類問題不是將不同標(biāo)簽的數(shù)據(jù)區(qū)分開來,而是對單個類別的數(shù)據(jù)表征在樣本空間中進(jìn)行區(qū)域輪廓描述,當(dāng)某個音頻表征落在這個區(qū)域外,判定該音頻不屬于目標(biāo)類別。

    (二)深度學(xué)習(xí)

    1. 非端到端網(wǎng)絡(luò)

    非端到端網(wǎng)絡(luò)中各模塊按照一定的規(guī)則與其他模塊相互聯(lián)系而構(gòu)成更加復(fù)雜的系統(tǒng),例如音頻鑒偽技術(shù)中的混合網(wǎng)絡(luò)(Hybrid Network)或管路網(wǎng)絡(luò)(Pipeline Network)。輕量級卷積神經(jīng)網(wǎng)絡(luò)LCNN鑒偽是非端到端網(wǎng)絡(luò)的典型代表[8]。

    LCNN音頻鑒偽技術(shù)采用輕量級卷積神經(jīng)網(wǎng)絡(luò)和最大特征映射(Max Feature Map,MFM)激活模塊。最大特征映射改進(jìn)了通常的池化方式,通過激活卷積層特征圖的最大值獲取更多富有競爭力的節(jié)點,實現(xiàn)特征選擇并加速生成稀疏連接,使得卷積神經(jīng)網(wǎng)絡(luò)可獲得更緊湊的表征。同時,最大特征映射局部特征選擇利用競爭關(guān)系而非閾值來激活神經(jīng)元,在跨域條件下有更好的泛化能力。基于輕量級卷積神經(jīng)網(wǎng)絡(luò)的鑒偽研究主要是針對損失函數(shù)的選擇和注意力機(jī)制學(xué)習(xí)方面。

    2. 端到端網(wǎng)絡(luò)

    (1)RawNet系列網(wǎng)絡(luò)

    RawNet是一種原始信息卷積神經(jīng)網(wǎng)絡(luò)架構(gòu),最早用于聲紋識別任務(wù)。RawNet網(wǎng)絡(luò)可輸出語音嵌入表征。第一個卷積層直接應(yīng)用于原始語音波形,所有濾波器參數(shù)自動學(xué)習(xí)。在較高層中提取幀級表示的殘差塊,殘差塊使用跳轉(zhuǎn)連接,使訓(xùn)練更深的分類器能夠利用更多區(qū)分信息。

    RawNet2結(jié)合了原始RawNet方法和正弦網(wǎng)絡(luò)(SincNet)的優(yōu)點[9]。RawNet2的第一層與SincNet基本相同,而上層由與RawNet相同的殘差塊和門控循環(huán)單元層組成。RawNet2使用基于殘差塊輸出激活函數(shù)的特征圖縮放(Feature Map Scaling,F(xiàn)MS)。FMS注意力機(jī)制獲得更具辨別力的表征。

    RawNet3網(wǎng)絡(luò)是基于RawNet2和ECAPA-TDNN網(wǎng)絡(luò)的改進(jìn)。ECAPA-TDNN通過引入擠壓激勵(Squeeze-Excitation,SE)模塊以及通道注意機(jī)制,在國際聲紋識別比賽VoxSRC2020中取得了第一名的成績,并已成為聲紋識別的主流框架之一。RawNet3對原始波形應(yīng)用預(yù)加重并通過實例歸一化(Instance Normalization)層,輸出使用參數(shù)化的分析濾波器組的時頻域表示。該層是RawNet2中正弦卷積層(Sinc-Convolutional Layer)的擴(kuò)展,即由實值參數(shù)化濾波器組變?yōu)閺?fù)數(shù)值參數(shù)化濾波器組。RawNet3每個主干塊稱為AFMS-Res2MP,基于Res2Net網(wǎng)絡(luò)結(jié)構(gòu)得到,這里Res2Net是在單個殘差塊內(nèi)構(gòu)造分層的殘差連接而構(gòu)建的CNN結(jié)構(gòu),在粒度級別上表示了多尺度特征,增加了每層的感受野。AFMS是RawNet2的特征圖縮放模塊的擴(kuò)展。

    (2)圖卷積注意力網(wǎng)絡(luò)

    基于圖注意力網(wǎng)絡(luò)(Graph Attention Network,GAT)的音頻鑒偽系統(tǒng)RawGAT,如圖4所示。包含頻域和時域圖注意力網(wǎng)絡(luò),能夠?qū)W習(xí)跨越不同子帶和時間間隔的線索之間的關(guān)系,使用頻譜和時間的模型級圖融合子圖和圖池化(Graph Pooling)策略以提高真假音頻的區(qū)分度[10]。該網(wǎng)絡(luò)模型結(jié)構(gòu)實現(xiàn)了端到端的高層語義特征表征,在頻域-時域注意力機(jī)制基礎(chǔ)上增加了圖注意力模塊,采用了圖池化層用于區(qū)分性節(jié)點選擇,并最終實現(xiàn)模型級別的融合音頻鑒偽檢測。

    在RawGAT方法基礎(chǔ)上,進(jìn)一步提出了AASIST(Audio Anti-Spoofing using Integrated Spectro-Temporal GAT)鑒偽檢測模型[11]。AASIST使用了各向異性堆疊圖注意層(Heterogeneous Stacking Graph Attention Layer,HSGAL)、競爭性最大圖操作(Max Graph Operation,MGO)和擴(kuò)展讀出策略,取得了性能上的大幅度提升。

    (三)數(shù)據(jù)增強(qiáng)

    為了應(yīng)對實際環(huán)境中音頻鑒偽檢測性能下降問題,提升系統(tǒng)魯棒性和泛化能力,通常采用數(shù)據(jù)增強(qiáng)的方法。根據(jù)處理方式不同,數(shù)據(jù)增強(qiáng)可分為在線數(shù)據(jù)增強(qiáng)和離線數(shù)據(jù)增強(qiáng)。離線數(shù)據(jù)增強(qiáng)就是一次性把數(shù)據(jù)讀入并擴(kuò)增后存儲,再用這個擴(kuò)增后的數(shù)據(jù)集進(jìn)行訓(xùn)練,適用于較小的數(shù)據(jù)集。在線數(shù)據(jù)增強(qiáng)就是在每個訓(xùn)練周期或批次前,對數(shù)據(jù)集進(jìn)行加噪聲、加混響等操作。

    當(dāng)前數(shù)據(jù)增強(qiáng)方法存在一定的局限性,例如,離線數(shù)據(jù)增強(qiáng)需要先對語音和噪聲/混響數(shù)據(jù)進(jìn)行加噪,生成大量數(shù)據(jù)存儲并在訓(xùn)練過程中讀取,對存儲和磁盤I/O要求高。在線方式的數(shù)據(jù)增強(qiáng),雖然節(jié)省了磁盤空間,但需要對數(shù)據(jù)重復(fù)加噪聲或混響等擾動,極大地增加了訓(xùn)練時間。

    1. 面向復(fù)雜多樣音頻場景的數(shù)據(jù)增強(qiáng)

    實際場景中音頻來源和音頻特性復(fù)雜多樣,會受到話音傳輸干擾、網(wǎng)絡(luò)特性干擾和采集設(shè)備干擾。傳輸干擾包括基于IP的語音傳輸(VoIP)、公共交換電話網(wǎng)絡(luò)(PSTN)等影響;網(wǎng)絡(luò)特性干擾包括編解碼、網(wǎng)絡(luò)丟包丟幀、碼率變化等;編碼譯碼器(Codec)干擾包括非線性失真、語譜缺失等。針對上述干擾,音頻增強(qiáng)方式可從以下幾方面進(jìn)行:

    話音傳輸干擾:影響信道響應(yīng),針對VoIP、PSTN、衛(wèi)星通話等信道的話音數(shù)據(jù),采用G.722、G.729、amr等音頻格式的轉(zhuǎn)換。

    網(wǎng)絡(luò)特性干擾:針對有損編解碼,采用FFmpeg或SoX軟件工具,實現(xiàn)多種網(wǎng)絡(luò)音頻格式的互相轉(zhuǎn)換,例如mp3、aac、silk、opus等。由于每種格式存在不同碼率的影響,通常隨機(jī)選取高中低三種碼率進(jìn)行數(shù)據(jù)增強(qiáng)。

    編碼譯碼器的影響:主要體現(xiàn)在寬帶編碼譯碼器(Wide-band Codec)或窄帶編碼譯碼器(Narrow-band Codec)的使用。帶通濾波的影響會造成高頻信息的丟失,可對音頻進(jìn)行寬帶或窄帶編碼譯碼器的模擬增強(qiáng)。

    2. 嵌入表征數(shù)據(jù)增強(qiáng)

    嵌入表征數(shù)據(jù)增強(qiáng)方法,是通過表征層噪聲分布匹配(Noise Distribution Matching,NDM)。基本思想是在嵌入空間對干凈和含噪嵌入表征計算差值,假定服從均勻分布、拉普拉斯分布或高斯分布,基于上述分布模型去估計分布參數(shù)。得到噪聲嵌入向量的分布估計之后,不再需要對原始數(shù)據(jù)進(jìn)行加噪再提取含噪嵌入向量,而是直接從噪聲嵌入向量分布估計中直接采樣得到,并與干凈嵌入向量相加得到加噪增強(qiáng)的嵌入向量。相較于常見的數(shù)據(jù)增強(qiáng)方法,在磁盤存儲、I/O資源和訓(xùn)練時間等方面均有節(jié)省。

    3. 時頻域掩蔽增強(qiáng)

    基于時頻域掩蔽增強(qiáng)訓(xùn)練的音頻鑒偽檢測泛化能力提升方法,采用時頻域掩蔽技術(shù),損失函數(shù)采用加權(quán)交叉熵?fù)p失和混合正則化損失相融合,避免了訓(xùn)練數(shù)據(jù)中真實音頻和偽造音頻不平衡造成的模型偏向某一類別的風(fēng)險,提升模型的泛化能力。

    三、音頻鑒偽技術(shù)系統(tǒng)

    (一)面向傳統(tǒng)偽造-語音拼接的音頻鑒偽

    利用音頻編輯軟件可輕易對真實音頻進(jìn)行剪切、復(fù)制、粘貼等拼接偽造操作,導(dǎo)致音頻的真實性與完整性不易判斷。按照音頻拼接方式的不同,可以分為同人語音或非同人音頻拼接、一段或多段拼接、真實片段音頻拼接或真實與偽造音頻片段拼接等多種形式。錄音取證中鑒別一段音頻檢材是否經(jīng)過拼接處理,已成為重要技術(shù)問題。

    輕量級卷積神經(jīng)網(wǎng)絡(luò)利用時間和空間上的平移不變性,以及長短期記憶網(wǎng)絡(luò)在時域的上下文記憶的優(yōu)點,對自然音頻和拼接音頻能夠更好地區(qū)分。通過滑窗的方法對待檢測音頻進(jìn)行鑒別,對窗內(nèi)音頻特征信息進(jìn)行分析,提高鑒別準(zhǔn)確率,并能提供拼接點數(shù)量和時間信息估計。

    ASVspoof2015數(shù)據(jù)集是第一個用于偽造和檢測研究的主要數(shù)據(jù)集。該數(shù)據(jù)集僅針對邏輯訪問攻擊場景,分為Train、Dev和Eva三部分,其中Train和Dev包含真實和S1到S5共五種欺騙算法的虛假語音。Eva包含真實和S1到S10共十種欺騙算法的虛假語音。S10是基于開源文本轉(zhuǎn)語音系統(tǒng)的拼接合成算法。使用ASVspoof2015-Eva的真實和S10數(shù)據(jù)構(gòu)成拼接語音測試集,共計9404條真實和18400條拼接虛假語音。

    由于ASVspoof2015未提供拼接訓(xùn)練集,本文采用兩個中文語音數(shù)據(jù)集自制拼接訓(xùn)練數(shù)據(jù),即THCHS-30(https:// www.openslr.org/18/)和MAGICDATA(https://www.openslr. org/68/),分別自制5470條真實和拼接虛假語音?;赑yTorch搭建實驗環(huán)境,采用等錯誤率(Equal Error Rate,EER)作為評價指標(biāo),EER指標(biāo)越接近于0表示模型的鑒偽檢測效果越好。

    ?

    由表2,在較大的幀長幀移和批次大小上取得了明顯的效果提升,改變LSTM的層數(shù)對檢測性能有進(jìn)一步的提升。本文提出的LCNN和LSTM的網(wǎng)絡(luò)結(jié)構(gòu),能夠提高拼接語音鑒別的準(zhǔn)確度。

    (二)基于多重注意力機(jī)制的音頻鑒偽

    注意力機(jī)制可以幫助模型對輸入的每個部分賦予不同的權(quán)重,抽取出更加關(guān)鍵及重要的信息,使模型做出更加準(zhǔn)確的判斷。采用端到端的架構(gòu)將音頻的原始信息經(jīng)過簡單的轉(zhuǎn)換編碼格式等處理,然后直接送入模型進(jìn)行檢測是否為虛假音頻。網(wǎng)絡(luò)結(jié)構(gòu)包含音頻的嵌入特征提取模塊,為了更全面更精準(zhǔn)地學(xué)習(xí)偽造音頻和真實音頻的區(qū)別,嵌入特征提取模塊分為兩大部分,第一部分提取音頻全頻帶嵌入特征,第二部分提取音頻不同子頻帶嵌入特征。網(wǎng)絡(luò)引入組合注意機(jī)制模塊。為了讓網(wǎng)絡(luò)更好地學(xué)習(xí)音頻局部的特點,該模塊分為三個子模塊:時間區(qū)域注意力模塊、頻譜區(qū)域注意力模塊和通道區(qū)域注意力模塊。網(wǎng)絡(luò)中引入了融合注意力模塊,既用于學(xué)習(xí)經(jīng)過組合注意力模塊進(jìn)行特征選擇之后保留的重要信息,也是對各個子頻帶和全頻帶進(jìn)一步利用注意力機(jī)制進(jìn)行融合學(xué)習(xí)。

    ASVspoof2019數(shù)據(jù)集包含LA和PA兩個子集,LA子集為真實語音和合成/轉(zhuǎn)換語音,PA子集為真實語音和重放語音。使用ASVspoof2019-Eva的LA子集作為測試集,共計7355條真實和63882條虛假語音。使用ASVspoof2019-Train的LA子集作為訓(xùn)練集,共計2580條真實和22800條虛假語音?;赑yTorch搭建實驗環(huán)境,引入基于殘差網(wǎng)絡(luò)的TSSDNet(Time-Domain Synthetic Speech Detection Net)[12],即Res-TSSDNet 端到端網(wǎng)絡(luò)進(jìn)行實驗對比。

    ?

    從表3可以看出,目前端到端網(wǎng)絡(luò)比非端到端網(wǎng)絡(luò)在音頻鑒偽任務(wù)上取得了更好的檢測效果,基于圖卷積網(wǎng)絡(luò)和多重注意力機(jī)制的等錯誤率低于1%,證明了方法的有效性。

    (三)基于多系統(tǒng)融合的音頻鑒偽

    為了提升檢測準(zhǔn)確率,降低檢測誤報率,實際音頻鑒偽應(yīng)用通常采用多系統(tǒng)融合的鑒偽檢測方法。以下是一種基于端到端網(wǎng)絡(luò)和非端到端網(wǎng)絡(luò)融合的音頻鑒偽系統(tǒng)。端到端網(wǎng)絡(luò)系統(tǒng)中,獲取音頻的序列信息并進(jìn)行歸一化,結(jié)合融合損失函數(shù)進(jìn)行優(yōu)化訓(xùn)練得到端到端模型。非端到端網(wǎng)絡(luò)系統(tǒng)中,提取音頻特征并輸入到后續(xù)模塊中,結(jié)合融合損失函數(shù)進(jìn)行優(yōu)化訓(xùn)練得到非端到端分類模型。兩種網(wǎng)絡(luò)在訓(xùn)練時獨立進(jìn)行,在測試階段將對兩種模型檢測的分?jǐn)?shù)進(jìn)行融合,提升系統(tǒng)的準(zhǔn)確率和穩(wěn)定性。端到端網(wǎng)絡(luò)和非端到端網(wǎng)絡(luò)中注意機(jī)制均可采用圖注意力網(wǎng)絡(luò),該網(wǎng)絡(luò)每個節(jié)點可以根據(jù)相鄰節(jié)點的特征,為其分配不同的權(quán)值,另外引入注意力機(jī)制之后,只與相鄰節(jié)點有關(guān),無需得到整張圖的信息。圖注意力網(wǎng)絡(luò)可以處理變長輸入,關(guān)注有影響力的輸入,可有效學(xué)習(xí)到真實音頻和偽造音頻之間的區(qū)別,從而提升模型檢測性能。

    四、結(jié)語

    智能語音技術(shù)日新月異,加強(qiáng)音頻鑒偽檢測與防御技術(shù)研究十分必要。從音頻鑒偽攻防對抗角度,回顧了音頻鑒偽技術(shù)的主要發(fā)展歷程。從特征工程、深度學(xué)習(xí)、數(shù)據(jù)增強(qiáng)等方面介紹了音頻鑒偽技術(shù)路線。闡述了當(dāng)前主流的端到端鑒偽模型、注意力機(jī)制網(wǎng)絡(luò)、面向?qū)嶋H復(fù)雜場景的數(shù)據(jù)增強(qiáng)等關(guān)鍵技術(shù)。最后,以語音拼接的傳統(tǒng)偽造檢測、基于多重注意力機(jī)制的音頻鑒偽和基于多系統(tǒng)融合的音頻鑒偽為例,詳述了音頻鑒偽技術(shù)系統(tǒng)。從實驗結(jié)果可以看出,基于空間平移不變性以及時域上下文記憶的輕量級卷積神經(jīng)網(wǎng)絡(luò)和長短期記憶網(wǎng)絡(luò),可實現(xiàn)對自然音頻和拼接音頻的區(qū)分。在音頻鑒偽任務(wù)上,端到端網(wǎng)絡(luò)比非端到端網(wǎng)絡(luò)普遍取得了更好的檢測性能,進(jìn)一步挖掘端到端網(wǎng)絡(luò)的效果值得更多關(guān)注。

    實際場景對音頻鑒偽的通用性和泛化能力提出了更高要求,特別是對未見或跨域場景的偽造生成攻擊。多因子多系統(tǒng)融合鑒偽,基于場景遷移、預(yù)訓(xùn)練模型、自監(jiān)督學(xué)習(xí)(Self-supervised learning)的音頻鑒偽技術(shù)將是未來的技術(shù)發(fā)展趨勢。監(jiān)督學(xué)習(xí)模型極度依賴于大量的有標(biāo)簽數(shù)據(jù),而自監(jiān)督學(xué)習(xí)可以作為音頻鑒偽的前置任務(wù),從海量無標(biāo)簽數(shù)據(jù)中學(xué)習(xí)音頻的有效表征,更好地用于下游音頻鑒偽任務(wù)。

    猜你喜歡
    音頻語音卷積
    基于3D-Winograd的快速卷積算法設(shè)計及FPGA實現(xiàn)
    魔力語音
    基于MATLAB的語音信號處理
    電子制作(2019年14期)2019-08-20 05:43:38
    從濾波器理解卷積
    電子制作(2019年11期)2019-07-04 00:34:38
    基于MQ3與MP3的價廉物美的酒駕語音提醒器
    電子制作(2019年9期)2019-05-30 09:42:10
    必須了解的音頻基礎(chǔ)知識 家庭影院入門攻略:音頻認(rèn)證與推薦標(biāo)準(zhǔn)篇
    對方正在輸入……
    小說界(2018年5期)2018-11-26 12:43:42
    基于Daubechies(dbN)的飛行器音頻特征提取
    電子制作(2018年19期)2018-11-14 02:37:08
    基于傅里葉域卷積表示的目標(biāo)跟蹤算法
    音頻分析儀中低失真音頻信號的發(fā)生方法
    電子制作(2017年9期)2017-04-17 03:00:46
    中文字幕人妻熟人妻熟丝袜美| 丝袜喷水一区| 国产探花在线观看一区二区| 人妻制服诱惑在线中文字幕| 91久久精品电影网| 九九久久精品国产亚洲av麻豆| 美女xxoo啪啪120秒动态图| 在现免费观看毛片| 国产大屁股一区二区在线视频| 国产亚洲精品av在线| 熟女电影av网| 一区福利在线观看| 我要搜黄色片| 九九热线精品视视频播放| 久久鲁丝午夜福利片| 国产国拍精品亚洲av在线观看| 人人妻人人看人人澡| 免费看av在线观看网站| 1024手机看黄色片| 淫秽高清视频在线观看| 亚洲国产欧美在线一区| 六月丁香七月| 99久久人妻综合| 亚洲精华国产精华液的使用体验 | 久久99精品国语久久久| 成人特级av手机在线观看| 一本久久精品| 又爽又黄a免费视频| 九草在线视频观看| 五月伊人婷婷丁香| 最近中文字幕高清免费大全6| 热99re8久久精品国产| 亚洲天堂国产精品一区在线| 波野结衣二区三区在线| www日本黄色视频网| 18禁在线播放成人免费| 免费在线观看成人毛片| 中文字幕av在线有码专区| 边亲边吃奶的免费视频| 一边亲一边摸免费视频| 在现免费观看毛片| 大又大粗又爽又黄少妇毛片口| 久久久久国产网址| 国产一区二区在线观看日韩| 69人妻影院| 秋霞在线观看毛片| 人人妻人人看人人澡| 天天躁夜夜躁狠狠久久av| 日韩欧美三级三区| 插阴视频在线观看视频| 亚洲av电影不卡..在线观看| 九草在线视频观看| 久久亚洲精品不卡| 99久久无色码亚洲精品果冻| 亚洲久久久久久中文字幕| 日日摸夜夜添夜夜添av毛片| 国产极品天堂在线| 亚洲国产欧美人成| 午夜激情福利司机影院| 大又大粗又爽又黄少妇毛片口| 免费观看在线日韩| 欧美精品国产亚洲| 国产淫片久久久久久久久| 国产在线精品亚洲第一网站| av.在线天堂| 国产精品久久久久久精品电影| 欧美zozozo另类| 99久国产av精品| 两性午夜刺激爽爽歪歪视频在线观看| 美女大奶头视频| 激情 狠狠 欧美| 精品无人区乱码1区二区| 99精品在免费线老司机午夜| 成人毛片a级毛片在线播放| 亚洲18禁久久av| 给我免费播放毛片高清在线观看| 天堂网av新在线| 亚洲国产高清在线一区二区三| 久久久久久伊人网av| 欧美成人一区二区免费高清观看| 亚洲天堂国产精品一区在线| 不卡一级毛片| 国产黄a三级三级三级人| 久久久国产成人免费| 久久久精品大字幕| 欧美精品一区二区大全| a级毛片免费高清观看在线播放| av视频在线观看入口| 成熟少妇高潮喷水视频| 三级男女做爰猛烈吃奶摸视频| 久久久成人免费电影| 在线观看午夜福利视频| 亚洲欧美日韩高清在线视频| 国产精品久久久久久亚洲av鲁大| 校园人妻丝袜中文字幕| 亚洲第一电影网av| 亚洲电影在线观看av| 日韩三级伦理在线观看| 成人性生交大片免费视频hd| 91精品一卡2卡3卡4卡| 村上凉子中文字幕在线| 日日摸夜夜添夜夜爱| 国产精品永久免费网站| 寂寞人妻少妇视频99o| 又粗又硬又长又爽又黄的视频 | 欧美高清性xxxxhd video| 老熟妇乱子伦视频在线观看| 美女黄网站色视频| 日本欧美国产在线视频| 人人妻人人看人人澡| 亚洲成人精品中文字幕电影| 日韩成人av中文字幕在线观看| 校园春色视频在线观看| 小说图片视频综合网站| 又粗又硬又长又爽又黄的视频 | 不卡一级毛片| 久久久久久久久久黄片| 男女边吃奶边做爰视频| 嫩草影院新地址| 禁无遮挡网站| 美女 人体艺术 gogo| 黑人高潮一二区| 欧美日本视频| 1000部很黄的大片| 色吧在线观看| 美女国产视频在线观看| a级毛片a级免费在线| 六月丁香七月| 午夜精品国产一区二区电影 | 美女cb高潮喷水在线观看| 国产亚洲精品久久久com| 国产三级中文精品| 国产不卡一卡二| 26uuu在线亚洲综合色| 国产av不卡久久| 免费搜索国产男女视频| 国产日本99.免费观看| 久久久精品大字幕| 中文资源天堂在线| 日本黄大片高清| 久久精品国产清高在天天线| 欧美在线一区亚洲| 国产69精品久久久久777片| av黄色大香蕉| 人妻夜夜爽99麻豆av| 看十八女毛片水多多多| 中文亚洲av片在线观看爽| 亚洲精品乱码久久久久久按摩| 国产亚洲5aaaaa淫片| 国产真实伦视频高清在线观看| 国产精品久久久久久亚洲av鲁大| 美女国产视频在线观看| 男人舔女人下体高潮全视频| 精品久久国产蜜桃| av视频在线观看入口| 美女cb高潮喷水在线观看| 国产v大片淫在线免费观看| 国产欧美日韩精品一区二区| 国产熟女欧美一区二区| 国产伦精品一区二区三区视频9| 国产av不卡久久| 久久韩国三级中文字幕| 欧美丝袜亚洲另类| 一本精品99久久精品77| 国产精品.久久久| 97人妻精品一区二区三区麻豆| 综合色丁香网| 乱码一卡2卡4卡精品| 国内少妇人妻偷人精品xxx网站| 午夜亚洲福利在线播放| 亚洲av电影不卡..在线观看| 久久久久久九九精品二区国产| 一级毛片久久久久久久久女| 国产色爽女视频免费观看| 天天躁夜夜躁狠狠久久av| 狠狠狠狠99中文字幕| 国产亚洲av片在线观看秒播厂 | 老司机福利观看| 网址你懂的国产日韩在线| 黑人高潮一二区| 桃色一区二区三区在线观看| 精品熟女少妇av免费看| 日本爱情动作片www.在线观看| av黄色大香蕉| 欧美日韩在线观看h| 国模一区二区三区四区视频| 97超碰精品成人国产| 日韩制服骚丝袜av| 精品无人区乱码1区二区| h日本视频在线播放| 精品久久国产蜜桃| 色尼玛亚洲综合影院| 边亲边吃奶的免费视频| 亚洲精品影视一区二区三区av| 免费人成在线观看视频色| 国产一区二区三区av在线 | 神马国产精品三级电影在线观看| 久久午夜福利片| 国产成人午夜福利电影在线观看| 日日撸夜夜添| 啦啦啦啦在线视频资源| 日本黄大片高清| 嫩草影院新地址| 日韩大尺度精品在线看网址| 色噜噜av男人的天堂激情| 免费无遮挡裸体视频| 精品久久久久久久久亚洲| av又黄又爽大尺度在线免费看 | 亚洲自偷自拍三级| 午夜福利视频1000在线观看| 国产av一区在线观看免费| 欧美日韩一区二区视频在线观看视频在线 | 午夜激情福利司机影院| 欧美另类亚洲清纯唯美| 人人妻人人看人人澡| 欧美日本亚洲视频在线播放| 国产精品女同一区二区软件| 中文字幕精品亚洲无线码一区| 久久亚洲国产成人精品v| 此物有八面人人有两片| 国产精品精品国产色婷婷| 日本一二三区视频观看| 九九爱精品视频在线观看| 白带黄色成豆腐渣| 免费av毛片视频| 男人的好看免费观看在线视频| 日韩欧美国产在线观看| 国产熟女欧美一区二区| 亚洲国产欧洲综合997久久,| 成人无遮挡网站| 中文在线观看免费www的网站| 日本-黄色视频高清免费观看| 黑人高潮一二区| 国产精品美女特级片免费视频播放器| 免费人成在线观看视频色| 中文字幕av成人在线电影| 亚洲av第一区精品v没综合| 国产成人a区在线观看| 亚洲国产精品sss在线观看| 麻豆国产av国片精品| 看免费成人av毛片| 久久久精品欧美日韩精品| 国产色爽女视频免费观看| 亚洲国产精品sss在线观看| 麻豆国产av国片精品| 国产白丝娇喘喷水9色精品| 一级毛片电影观看 | 成人综合一区亚洲| 亚洲成人中文字幕在线播放| 午夜免费激情av| 久久久国产成人免费| 国产一区亚洲一区在线观看| 亚洲精品影视一区二区三区av| а√天堂www在线а√下载| 国产v大片淫在线免费观看| 亚洲欧美精品自产自拍| 变态另类丝袜制服| 精品久久久久久久末码| 午夜免费激情av| 爱豆传媒免费全集在线观看| 国产一区二区三区在线臀色熟女| 能在线免费观看的黄片| 欧美日本视频| 哪个播放器可以免费观看大片| av在线播放精品| 国产久久久一区二区三区| 国产熟女欧美一区二区| 一边亲一边摸免费视频| 午夜激情福利司机影院| 国产成人freesex在线| 五月伊人婷婷丁香| 麻豆国产97在线/欧美| 黄片无遮挡物在线观看| 国产黄a三级三级三级人| 老司机影院成人| 十八禁国产超污无遮挡网站| 亚洲,欧美,日韩| 久久精品国产自在天天线| 国产精品久久久久久av不卡| 成年av动漫网址| 天堂中文最新版在线下载 | 看片在线看免费视频| 精品人妻偷拍中文字幕| 最近视频中文字幕2019在线8| 性欧美人与动物交配| 看十八女毛片水多多多| 亚洲av成人av| 亚洲av成人精品一区久久| 一区福利在线观看| 中文字幕制服av| 99国产极品粉嫩在线观看| 欧美色视频一区免费| av福利片在线观看| 久久韩国三级中文字幕| 国产精品国产高清国产av| 一级二级三级毛片免费看| 青春草视频在线免费观看| 菩萨蛮人人尽说江南好唐韦庄 | 国产成人a区在线观看| 国产精品av视频在线免费观看| 久久99热6这里只有精品| 一进一出抽搐gif免费好疼| 亚洲精品国产av成人精品| 少妇高潮的动态图| 亚洲av熟女| 欧美人与善性xxx| 国产视频首页在线观看| 99久久精品一区二区三区| 国产精品国产三级国产av玫瑰| 欧美高清性xxxxhd video| 国产真实伦视频高清在线观看| 少妇人妻精品综合一区二区 | 免费搜索国产男女视频| 岛国毛片在线播放| 国产黄色小视频在线观看| 国产成人午夜福利电影在线观看| 久久久精品94久久精品| 欧美潮喷喷水| 国产一区二区在线av高清观看| 一本精品99久久精品77| 亚洲一级一片aⅴ在线观看| 免费黄网站久久成人精品| 久久人人精品亚洲av| 人妻少妇偷人精品九色| 亚洲一区二区三区色噜噜| 能在线免费看毛片的网站| 99久久九九国产精品国产免费| 偷拍熟女少妇极品色| 看黄色毛片网站| 国产精品三级大全| 国产欧美日韩精品一区二区| 少妇的逼好多水| 亚洲在线观看片| 国产精品免费一区二区三区在线| 中文在线观看免费www的网站| 中文字幕av成人在线电影| 亚洲欧美日韩卡通动漫| 少妇高潮的动态图| 成人漫画全彩无遮挡| 国产精品久久电影中文字幕| 久久精品久久久久久噜噜老黄 | 欧美高清性xxxxhd video| 少妇人妻一区二区三区视频| 成人二区视频| eeuss影院久久| 亚洲一区高清亚洲精品| 亚洲精品成人久久久久久| 男人狂女人下面高潮的视频| 成人三级黄色视频| 欧美另类亚洲清纯唯美| 久久久成人免费电影| 一卡2卡三卡四卡精品乱码亚洲| 色哟哟哟哟哟哟| 久久久久免费精品人妻一区二区| 国产在线精品亚洲第一网站| 久久久久久久久久成人| 亚洲精品日韩在线中文字幕 | 成年免费大片在线观看| 大又大粗又爽又黄少妇毛片口| av免费观看日本| 一本一本综合久久| 国产精品乱码一区二三区的特点| 国产精品人妻久久久影院| 99久国产av精品| 国产高潮美女av| 精品久久久久久久末码| 人体艺术视频欧美日本| 亚洲va在线va天堂va国产| 变态另类成人亚洲欧美熟女| 高清毛片免费观看视频网站| av福利片在线观看| 最近手机中文字幕大全| 两个人的视频大全免费| 少妇人妻精品综合一区二区 | 嫩草影院入口| 亚洲av二区三区四区| 六月丁香七月| 亚洲第一区二区三区不卡| 男人和女人高潮做爰伦理| 人妻夜夜爽99麻豆av| 国产精品久久久久久精品电影小说 | 又粗又爽又猛毛片免费看| 国产黄色视频一区二区在线观看 | 中国国产av一级| 日韩欧美在线乱码| 日韩成人av中文字幕在线观看| 伊人久久精品亚洲午夜| 免费搜索国产男女视频| 全区人妻精品视频| 久久久国产成人免费| 22中文网久久字幕| 非洲黑人性xxxx精品又粗又长| 亚洲精品乱码久久久久久按摩| 精品无人区乱码1区二区| 亚洲真实伦在线观看| 成人鲁丝片一二三区免费| 国产一区二区三区av在线 | av又黄又爽大尺度在线免费看 | 久久鲁丝午夜福利片| 亚洲国产精品成人综合色| 免费无遮挡裸体视频| 欧美成人一区二区免费高清观看| 国产伦一二天堂av在线观看| 免费观看a级毛片全部| 国产免费一级a男人的天堂| 国产一区二区激情短视频| 少妇人妻精品综合一区二区 | 永久网站在线| av在线播放精品| 亚洲欧美成人精品一区二区| 中文精品一卡2卡3卡4更新| 99热这里只有精品一区| 久久久久久久久大av| 国产成人a区在线观看| 国产成人精品婷婷| 国产午夜精品一二区理论片| 国产黄片视频在线免费观看| 三级男女做爰猛烈吃奶摸视频| 男插女下体视频免费在线播放| 精品不卡国产一区二区三区| 男人和女人高潮做爰伦理| 天天躁夜夜躁狠狠久久av| 99热这里只有是精品在线观看| av免费观看日本| 日本三级黄在线观看| 久久精品国产清高在天天线| 日韩大尺度精品在线看网址| a级毛片a级免费在线| 日韩欧美在线乱码| 欧美zozozo另类| 亚洲欧美日韩东京热| a级毛片a级免费在线| 联通29元200g的流量卡| 久久久久久久久大av| 91精品国产九色| 在线观看66精品国产| 国产精品1区2区在线观看.| 久久久久久久午夜电影| 亚洲人成网站在线播| 村上凉子中文字幕在线| 日本欧美国产在线视频| 国内精品一区二区在线观看| 亚洲精品粉嫩美女一区| 九九爱精品视频在线观看| 国产真实伦视频高清在线观看| 男女那种视频在线观看| 国产伦精品一区二区三区四那| 我要看日韩黄色一级片| 黄色一级大片看看| 亚洲四区av| 在线观看av片永久免费下载| 中出人妻视频一区二区| 久久婷婷人人爽人人干人人爱| 国产成人a区在线观看| 亚洲精品国产成人久久av| 欧美日韩国产亚洲二区| 一区二区三区免费毛片| 午夜福利高清视频| 欧美成人免费av一区二区三区| 日日撸夜夜添| 亚洲人成网站在线观看播放| 久久6这里有精品| 国产老妇女一区| 老司机影院成人| 日本五十路高清| 99热这里只有精品一区| 国产av不卡久久| 国产成人一区二区在线| 日韩欧美精品免费久久| 亚洲精品乱码久久久久久按摩| 亚洲精品456在线播放app| 国产精品久久久久久精品电影| 精品国内亚洲2022精品成人| 欧美性感艳星| 人体艺术视频欧美日本| 美女 人体艺术 gogo| 少妇被粗大猛烈的视频| 久久人妻av系列| 亚洲无线在线观看| 老熟妇乱子伦视频在线观看| 国产片特级美女逼逼视频| 2021天堂中文幕一二区在线观| 日本三级黄在线观看| 99在线人妻在线中文字幕| 久久久久久久久久成人| 春色校园在线视频观看| 国产av在哪里看| 亚洲欧美日韩高清在线视频| 丰满乱子伦码专区| 国产白丝娇喘喷水9色精品| 老司机影院成人| 99国产极品粉嫩在线观看| 亚洲久久久久久中文字幕| 精品午夜福利在线看| 中文资源天堂在线| 一区二区三区免费毛片| 亚洲av中文av极速乱| 成年av动漫网址| 亚洲av成人av| 91精品一卡2卡3卡4卡| 天天躁日日操中文字幕| 欧美精品一区二区大全| 成熟少妇高潮喷水视频| 国产国拍精品亚洲av在线观看| 欧美激情国产日韩精品一区| 男插女下体视频免费在线播放| 波多野结衣高清无吗| 内地一区二区视频在线| 26uuu在线亚洲综合色| 国产精品久久电影中文字幕| 欧美bdsm另类| 国产一区二区亚洲精品在线观看| 久久草成人影院| 国产三级在线视频| 欧美3d第一页| 欧美日本亚洲视频在线播放| 国产亚洲欧美98| 日韩av不卡免费在线播放| 中文字幕精品亚洲无线码一区| 日韩av不卡免费在线播放| 乱系列少妇在线播放| 99国产极品粉嫩在线观看| 日韩亚洲欧美综合| 日韩欧美 国产精品| 精品久久久久久久末码| 波野结衣二区三区在线| 99久久无色码亚洲精品果冻| 天堂av国产一区二区熟女人妻| 色综合站精品国产| 成人欧美大片| 九色成人免费人妻av| 一级毛片aaaaaa免费看小| 国产av不卡久久| av专区在线播放| 国产一区二区激情短视频| 久久这里有精品视频免费| a级毛片免费高清观看在线播放| 中文资源天堂在线| 两个人视频免费观看高清| 伦理电影大哥的女人| 国产精品久久视频播放| 亚洲第一区二区三区不卡| 成人av在线播放网站| 男女啪啪激烈高潮av片| 久久人人爽人人片av| 18禁黄网站禁片免费观看直播| 亚洲图色成人| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 亚洲av免费高清在线观看| 一进一出抽搐gif免费好疼| 熟女人妻精品中文字幕| 91午夜精品亚洲一区二区三区| 三级毛片av免费| 91aial.com中文字幕在线观看| 久久99热6这里只有精品| www日本黄色视频网| 免费黄网站久久成人精品| 成人漫画全彩无遮挡| 精品久久久久久久末码| 岛国毛片在线播放| 男插女下体视频免费在线播放| 亚洲国产高清在线一区二区三| 亚洲成人久久爱视频| 欧美又色又爽又黄视频| 好男人在线观看高清免费视频| 在线观看av片永久免费下载| 能在线免费观看的黄片| 村上凉子中文字幕在线| 一卡2卡三卡四卡精品乱码亚洲| 99久久中文字幕三级久久日本| 真实男女啪啪啪动态图| 国产av不卡久久| 中国美白少妇内射xxxbb| 欧美在线一区亚洲| 天堂中文最新版在线下载 | 99久久无色码亚洲精品果冻| 黄色日韩在线| 97热精品久久久久久| 欧美三级亚洲精品| 国产美女午夜福利| 欧美日韩在线观看h| 亚洲不卡免费看| 亚洲精品色激情综合| 天堂av国产一区二区熟女人妻| 我要搜黄色片| 看十八女毛片水多多多| 最近手机中文字幕大全| 国产爱豆传媒在线观看| 久久久国产成人精品二区| 国产一区二区在线观看日韩| 国产综合懂色| 国产一区二区激情短视频| 免费看光身美女| 亚洲精品久久国产高清桃花| 亚洲欧美精品自产自拍| 日本撒尿小便嘘嘘汇集6| 国产一区二区在线观看日韩| 国产亚洲av片在线观看秒播厂 | 亚洲国产精品sss在线观看| 国产精品电影一区二区三区| 国产黄片视频在线免费观看| 久久热精品热| 久久人妻av系列| 欧美在线一区亚洲| 国产极品天堂在线| 精品久久久久久久久久免费视频| 免费人成视频x8x8入口观看| 日产精品乱码卡一卡2卡三| 成人综合一区亚洲| 毛片一级片免费看久久久久| 亚洲精品日韩在线中文字幕 | 青青草视频在线视频观看| 1000部很黄的大片| 精品久久久久久久久久久久久| 在线观看美女被高潮喷水网站|