• <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
    大陆偷拍与自拍| 插逼视频在线观看| 中文欧美无线码| 多毛熟女@视频| 婷婷色综合www| 成人二区视频| 国产伦理片在线播放av一区| 91国产中文字幕| 亚洲av福利一区| 国产在视频线精品| 亚洲少妇的诱惑av| 免费观看av网站的网址| 少妇的丰满在线观看| 国产免费一区二区三区四区乱码| 韩国精品一区二区三区 | xxx大片免费视频| 亚洲高清免费不卡视频| 在线亚洲精品国产二区图片欧美| 成年人免费黄色播放视频| 久久99精品国语久久久| 国产片内射在线| 亚洲国产精品成人久久小说| 国产成人精品一,二区| 久久久久久久久久人人人人人人| 亚洲伊人久久精品综合| av电影中文网址| 久久精品国产a三级三级三级| 99国产精品免费福利视频| 久久99精品国语久久久| 亚洲色图综合在线观看| 国产深夜福利视频在线观看| 亚洲成人av在线免费| 久久精品久久久久久噜噜老黄| 校园人妻丝袜中文字幕| 久久久久久久国产电影| 国产高清不卡午夜福利| 精品久久蜜臀av无| a级毛片黄视频| 日本欧美视频一区| 天天躁夜夜躁狠狠久久av| 久久久国产一区二区| 亚洲四区av| 国产高清三级在线| av网站免费在线观看视频| 又粗又硬又长又爽又黄的视频| 欧美 亚洲 国产 日韩一| 高清在线视频一区二区三区| 水蜜桃什么品种好| 尾随美女入室| 欧美人与善性xxx| 午夜福利网站1000一区二区三区| 亚洲欧洲精品一区二区精品久久久 | 久久久久精品人妻al黑| 亚洲欧美成人综合另类久久久| 日日爽夜夜爽网站| 成年av动漫网址| av有码第一页| 爱豆传媒免费全集在线观看| 51国产日韩欧美| 免费少妇av软件| 国产成人精品久久久久久| 一本—道久久a久久精品蜜桃钙片| 好男人视频免费观看在线| 老熟女久久久| 在线看a的网站| 欧美精品国产亚洲| 欧美xxxx性猛交bbbb| 秋霞伦理黄片| 两性夫妻黄色片 | 国产淫语在线视频| 一区二区三区精品91| 久久ye,这里只有精品| 51国产日韩欧美| 少妇的逼水好多| 伊人亚洲综合成人网| 亚洲欧洲日产国产| 在线观看www视频免费| 欧美激情 高清一区二区三区| 日产精品乱码卡一卡2卡三| 亚洲国产精品一区三区| 中文字幕制服av| 国产白丝娇喘喷水9色精品| 又大又黄又爽视频免费| 精品卡一卡二卡四卡免费| 亚洲av在线观看美女高潮| 国产精品一区二区在线观看99| 亚洲国产av影院在线观看| av国产久精品久网站免费入址| 亚洲国产精品国产精品| 成人毛片60女人毛片免费| 大片电影免费在线观看免费| 激情视频va一区二区三区| 亚洲性久久影院| 亚洲天堂av无毛| 国精品久久久久久国模美| 高清毛片免费看| 国产男女超爽视频在线观看| 日韩中文字幕视频在线看片| 在线免费观看不下载黄p国产| 久久久欧美国产精品| 国产精品成人在线| 人人妻人人添人人爽欧美一区卜| 久久精品国产鲁丝片午夜精品| 日韩熟女老妇一区二区性免费视频| 69精品国产乱码久久久| 王馨瑶露胸无遮挡在线观看| 久久精品国产鲁丝片午夜精品| 久久女婷五月综合色啪小说| 国产成人免费观看mmmm| av女优亚洲男人天堂| 男女无遮挡免费网站观看| 亚洲精品aⅴ在线观看| 久久久久视频综合| 99热全是精品| 亚洲中文av在线| 精品一区二区三区四区五区乱码 | 狂野欧美激情性bbbbbb| 亚洲国产精品999| av在线观看视频网站免费| 欧美性感艳星| 精品99又大又爽又粗少妇毛片| 人人妻人人澡人人爽人人夜夜| 精品久久久久久电影网| 国产老妇伦熟女老妇高清| 免费人成在线观看视频色| 久久免费观看电影| 国产成人av激情在线播放| 成人二区视频| 精品酒店卫生间| 成人国产麻豆网| av国产久精品久网站免费入址| 精品亚洲成a人片在线观看| 中文字幕人妻丝袜制服| 国产片内射在线| 啦啦啦啦在线视频资源| 国产男女超爽视频在线观看| 国产片内射在线| 免费看av在线观看网站| 色网站视频免费| 十分钟在线观看高清视频www| 精品久久久精品久久久| 成年动漫av网址| 91国产中文字幕| 毛片一级片免费看久久久久| 国产av一区二区精品久久| 中文欧美无线码| 嫩草影院入口| 欧美激情 高清一区二区三区| 看非洲黑人一级黄片| 中文字幕精品免费在线观看视频 | 一二三四中文在线观看免费高清| h视频一区二区三区| 日本与韩国留学比较| 91精品国产国语对白视频| 亚洲第一av免费看| 中文欧美无线码| 久久午夜福利片| 日本欧美视频一区| 日韩伦理黄色片| 国产亚洲精品久久久com| 久久久精品免费免费高清| 国产黄频视频在线观看| 亚洲 欧美一区二区三区| 久久久国产欧美日韩av| 国产 一区精品| av国产久精品久网站免费入址| 亚洲丝袜综合中文字幕| 26uuu在线亚洲综合色| 婷婷色综合www| 少妇精品久久久久久久| 视频在线观看一区二区三区| 亚洲成人手机| 日韩在线高清观看一区二区三区| 亚洲综合色惰| 蜜桃国产av成人99| 交换朋友夫妻互换小说| 一二三四中文在线观看免费高清| 成人午夜精彩视频在线观看| 亚洲av成人精品一二三区| 免费日韩欧美在线观看| 精品人妻熟女毛片av久久网站| 菩萨蛮人人尽说江南好唐韦庄| 亚洲国产色片| 国产在线视频一区二区| 多毛熟女@视频| 国产精品蜜桃在线观看| 亚洲第一区二区三区不卡| 看免费成人av毛片| 在线观看三级黄色| 天天躁夜夜躁狠狠躁躁| 丝袜人妻中文字幕| 国产精品熟女久久久久浪| 国产伦理片在线播放av一区| 又粗又硬又长又爽又黄的视频| 999精品在线视频| 中文字幕另类日韩欧美亚洲嫩草| 天美传媒精品一区二区| av在线app专区| 汤姆久久久久久久影院中文字幕| 又黄又粗又硬又大视频| 欧美激情极品国产一区二区三区 | 欧美激情 高清一区二区三区| 极品人妻少妇av视频| 国产精品一区www在线观看| 国产欧美亚洲国产| 久久影院123| 高清在线视频一区二区三区| 亚洲天堂av无毛| 在线 av 中文字幕| 亚洲人成77777在线视频| 免费av中文字幕在线| 中文字幕免费在线视频6| 久久99一区二区三区| 久久午夜综合久久蜜桃| 国产无遮挡羞羞视频在线观看| 在线免费观看不下载黄p国产| 亚洲欧美日韩卡通动漫| 久久人人爽人人片av| 日韩一区二区视频免费看| 国产免费福利视频在线观看| 亚洲av.av天堂| 国产成人a∨麻豆精品| 中文字幕制服av| 国产一区二区三区综合在线观看 | 婷婷色综合www| 国产高清三级在线| 亚洲第一区二区三区不卡| av又黄又爽大尺度在线免费看| 2021少妇久久久久久久久久久| 亚洲欧美色中文字幕在线| 免费女性裸体啪啪无遮挡网站| 自拍欧美九色日韩亚洲蝌蚪91| 女性被躁到高潮视频| 青春草视频在线免费观看| av免费观看日本| 美女国产高潮福利片在线看| 国产男女超爽视频在线观看| 亚洲精品av麻豆狂野| 两个人免费观看高清视频| 少妇人妻久久综合中文| 麻豆精品久久久久久蜜桃| 欧美日韩综合久久久久久| 日韩av免费高清视频| 亚洲精品国产av蜜桃| a级毛片在线看网站| 欧美日韩国产mv在线观看视频| a级片在线免费高清观看视频| 日本vs欧美在线观看视频| 麻豆乱淫一区二区| 纵有疾风起免费观看全集完整版| 亚洲综合精品二区| 国产白丝娇喘喷水9色精品| 狂野欧美激情性xxxx在线观看| 免费黄频网站在线观看国产| 亚洲美女视频黄频| 久久精品久久久久久久性| 免费观看在线日韩| 最后的刺客免费高清国语| 亚洲在久久综合| 少妇的逼好多水| 高清在线视频一区二区三区| 久久精品久久久久久噜噜老黄| 久久人人爽人人片av| 成年美女黄网站色视频大全免费| 午夜91福利影院| 人人妻人人爽人人添夜夜欢视频| 激情五月婷婷亚洲| 久久狼人影院| 欧美精品国产亚洲| 午夜影院在线不卡| 日韩大片免费观看网站| 久久精品国产亚洲av天美| 免费高清在线观看视频在线观看| 久久久久国产精品人妻一区二区| 国产熟女欧美一区二区| 精品少妇内射三级| 国产欧美亚洲国产| 久久热在线av| 秋霞伦理黄片| 午夜久久久在线观看| 亚洲精品一区蜜桃| 久久久久精品久久久久真实原创| 久热久热在线精品观看| 午夜av观看不卡| 日韩 亚洲 欧美在线| 欧美日韩一区二区视频在线观看视频在线| 欧美日韩国产mv在线观看视频| 日韩,欧美,国产一区二区三区| 亚洲欧洲精品一区二区精品久久久 | 少妇的逼好多水| 国产亚洲精品第一综合不卡 | 亚洲国产看品久久| 美女国产视频在线观看| 亚洲av在线观看美女高潮| 亚洲天堂av无毛| 国产乱来视频区| 国产永久视频网站| 欧美精品亚洲一区二区| 国产免费福利视频在线观看| 日本欧美国产在线视频| 免费高清在线观看日韩| 亚洲婷婷狠狠爱综合网| 亚洲成色77777| 久久久久久久精品精品| 99re6热这里在线精品视频| 91久久精品国产一区二区三区| 国产又爽黄色视频| 亚洲综合色网址| 日本91视频免费播放| 国产一区二区在线观看日韩| 欧美丝袜亚洲另类| 国产精品成人在线| 欧美丝袜亚洲另类| 制服诱惑二区| 黄色 视频免费看| 久久99精品国语久久久| 韩国高清视频一区二区三区| 男女啪啪激烈高潮av片| 丝袜脚勾引网站| 肉色欧美久久久久久久蜜桃| 久久国内精品自在自线图片| 国产熟女欧美一区二区| 国产精品久久久久成人av| 老司机影院毛片| 亚洲 欧美一区二区三区| 欧美+日韩+精品| 久久影院123| 国产精品国产av在线观看| 国产男女内射视频| 久久久精品免费免费高清| 国产成人精品婷婷| 在线观看免费视频网站a站| 国产精品人妻久久久影院| 亚洲伊人色综图| 欧美日韩精品成人综合77777| 青春草国产在线视频| 亚洲激情五月婷婷啪啪| 麻豆乱淫一区二区| av播播在线观看一区| 日韩一区二区三区影片| 街头女战士在线观看网站| a级毛色黄片| 亚洲av国产av综合av卡| 国产乱来视频区| 日韩一本色道免费dvd| av女优亚洲男人天堂| 国产免费福利视频在线观看| 亚洲国产色片| 亚洲精品自拍成人| 99热6这里只有精品| 亚洲精品乱码久久久久久按摩| 下体分泌物呈黄色| 一级,二级,三级黄色视频| 国产白丝娇喘喷水9色精品| 9色porny在线观看| 人人妻人人爽人人添夜夜欢视频| 黑人欧美特级aaaaaa片| 久久久久精品人妻al黑| 少妇猛男粗大的猛烈进出视频| 99re6热这里在线精品视频| 在线观看美女被高潮喷水网站| 国产伦理片在线播放av一区| 久久人人爽av亚洲精品天堂| 国产不卡av网站在线观看| 国产国拍精品亚洲av在线观看| 老女人水多毛片| 中国三级夫妇交换| 极品少妇高潮喷水抽搐| 最新中文字幕久久久久| 久久精品国产a三级三级三级| 草草在线视频免费看| 国产爽快片一区二区三区| 国产国语露脸激情在线看| 午夜精品国产一区二区电影| 看非洲黑人一级黄片| 三上悠亚av全集在线观看| 91aial.com中文字幕在线观看| 另类精品久久| 少妇被粗大猛烈的视频| 精品99又大又爽又粗少妇毛片| 波多野结衣一区麻豆| 国产一级毛片在线| 精品国产一区二区久久| 十八禁高潮呻吟视频| av片东京热男人的天堂| 在线观看一区二区三区激情| 久久久国产一区二区| 午夜福利乱码中文字幕| 国产视频首页在线观看| 99国产精品免费福利视频| 最近中文字幕高清免费大全6| 黄色配什么色好看| videossex国产| 国产熟女欧美一区二区| 国产片特级美女逼逼视频| 欧美精品一区二区大全| 国产精品国产三级国产专区5o| 免费人妻精品一区二区三区视频| 女的被弄到高潮叫床怎么办| 久久久久久伊人网av| 久久久国产欧美日韩av| 免费久久久久久久精品成人欧美视频 | 日本-黄色视频高清免费观看| 大香蕉97超碰在线| 1024视频免费在线观看| 超碰97精品在线观看| 亚洲色图 男人天堂 中文字幕 | 婷婷色麻豆天堂久久| 麻豆精品久久久久久蜜桃| 欧美日韩视频精品一区| 国产在线一区二区三区精| 色婷婷av一区二区三区视频| 少妇精品久久久久久久| 丰满乱子伦码专区| 伦精品一区二区三区| 日韩成人av中文字幕在线观看| 欧美激情极品国产一区二区三区 | 久久久久久久久久久久大奶| 韩国av在线不卡| 男人操女人黄网站| 自线自在国产av| 99久久中文字幕三级久久日本| 丝袜喷水一区| √禁漫天堂资源中文www| 另类亚洲欧美激情| 日韩成人av中文字幕在线观看| 精品酒店卫生间| 丰满少妇做爰视频| 成人毛片60女人毛片免费| 51国产日韩欧美| 欧美精品一区二区免费开放| 国产深夜福利视频在线观看| av又黄又爽大尺度在线免费看| 午夜免费观看性视频| 久久影院123| 黄色配什么色好看| 我要看黄色一级片免费的| 久久久久久久久久久久大奶| 亚洲成人一二三区av| 人人妻人人澡人人看| 国产乱人偷精品视频| 自拍欧美九色日韩亚洲蝌蚪91| 欧美变态另类bdsm刘玥| 最近中文字幕高清免费大全6| 波野结衣二区三区在线| 久久久久网色| 欧美亚洲 丝袜 人妻 在线| 亚洲国产欧美日韩在线播放| 国产一级毛片在线| 国产精品 国内视频| 最近手机中文字幕大全| 欧美激情极品国产一区二区三区 | 18禁国产床啪视频网站| 大片电影免费在线观看免费| 免费黄频网站在线观看国产| 波多野结衣一区麻豆| 麻豆精品久久久久久蜜桃| 母亲3免费完整高清在线观看 | 美女xxoo啪啪120秒动态图| 成人午夜精彩视频在线观看| av片东京热男人的天堂| 久久久久久人人人人人| freevideosex欧美| 久久久久精品性色| 亚洲成色77777| 国精品久久久久久国模美| 亚洲欧美成人精品一区二区| 日本猛色少妇xxxxx猛交久久| 亚洲欧美色中文字幕在线| 精品一区二区三区四区五区乱码 | 99香蕉大伊视频| 国产深夜福利视频在线观看| 亚洲欧洲国产日韩| 男人舔女人的私密视频| 69精品国产乱码久久久| 亚洲精品第二区| 国产女主播在线喷水免费视频网站| 中文字幕精品免费在线观看视频 | 亚洲精品久久午夜乱码| 宅男免费午夜| 午夜久久久在线观看| 午夜影院在线不卡| 亚洲精品乱久久久久久| 黑人巨大精品欧美一区二区蜜桃 | 婷婷色av中文字幕| 亚洲精品乱码久久久久久按摩| 欧美日韩av久久| 美女大奶头黄色视频| 中文乱码字字幕精品一区二区三区| 欧美日韩一区二区视频在线观看视频在线| 亚洲婷婷狠狠爱综合网| 五月开心婷婷网| 国精品久久久久久国模美| 色5月婷婷丁香| 成人影院久久| 精品国产一区二区三区四区第35| 一级毛片 在线播放| 韩国精品一区二区三区 | 国产一级毛片在线| 日本与韩国留学比较| 最近的中文字幕免费完整| 中文天堂在线官网| 国语对白做爰xxxⅹ性视频网站| 成人亚洲精品一区在线观看| 黑人欧美特级aaaaaa片| 成年动漫av网址| 一边亲一边摸免费视频| av黄色大香蕉| 国产一区二区在线观看av| 欧美成人精品欧美一级黄| 日本av免费视频播放| 性色av一级| 日本与韩国留学比较| 建设人人有责人人尽责人人享有的| 天天躁夜夜躁狠狠久久av| 一本久久精品| 22中文网久久字幕| 中文字幕制服av| 高清av免费在线| 看免费成人av毛片| 久久久久精品性色| 欧美人与性动交α欧美精品济南到 | 久久99热6这里只有精品| www.色视频.com| 国产av一区二区精品久久| 国产成人免费无遮挡视频| 边亲边吃奶的免费视频| 狠狠精品人妻久久久久久综合| 亚洲国产欧美在线一区| 国产成人午夜福利电影在线观看| videossex国产| 视频在线观看一区二区三区| 激情视频va一区二区三区| 最近最新中文字幕大全免费视频 | 色吧在线观看| 伦精品一区二区三区| 国产亚洲精品久久久com| 国产一区二区三区av在线| 亚洲欧美色中文字幕在线| 色视频在线一区二区三区| 亚洲欧美一区二区三区黑人 | 黄色配什么色好看| 国产精品一区www在线观看| 一区在线观看完整版| 欧美97在线视频| av国产精品久久久久影院| 男女免费视频国产| 国产成人欧美| 日韩大片免费观看网站| 91精品三级在线观看| 免费日韩欧美在线观看| 少妇被粗大猛烈的视频| 成人午夜精彩视频在线观看| videossex国产| 欧美亚洲 丝袜 人妻 在线| 国产亚洲av片在线观看秒播厂| 中文字幕最新亚洲高清| 在线天堂最新版资源| 免费看av在线观看网站| 日日撸夜夜添| 熟女av电影| 亚洲四区av| 国产一区二区在线观看日韩| 两个人免费观看高清视频| 9191精品国产免费久久| 91国产中文字幕| 日本欧美视频一区| 国产成人免费无遮挡视频| 亚洲激情五月婷婷啪啪| videos熟女内射| 日本av手机在线免费观看| 国产免费一级a男人的天堂| 久久久久久人妻| 亚洲欧洲日产国产| 国产av精品麻豆| 亚洲av综合色区一区| 久久人人爽人人爽人人片va| 成人亚洲精品一区在线观看| 国产精品国产三级国产专区5o| 少妇的丰满在线观看| 久久久久国产网址| 免费黄色在线免费观看| 一本色道久久久久久精品综合| 国产一区二区三区综合在线观看 | 看非洲黑人一级黄片| 午夜视频国产福利| 日韩免费高清中文字幕av| 五月伊人婷婷丁香| 亚洲人成网站在线观看播放| 一本大道久久a久久精品| 哪个播放器可以免费观看大片| 秋霞伦理黄片| 一级毛片我不卡| 两性夫妻黄色片 | 成人国语在线视频| 欧美日本中文国产一区发布| 国产精品99久久99久久久不卡 | 99香蕉大伊视频| 久久毛片免费看一区二区三区| 春色校园在线视频观看| 日韩中字成人| 免费看不卡的av| 亚洲四区av| 日本wwww免费看| 99re6热这里在线精品视频| 午夜激情av网站| 最近最新中文字幕免费大全7| 久久鲁丝午夜福利片| 国产精品99久久99久久久不卡 | 国产国语露脸激情在线看| 欧美激情 高清一区二区三区| 成年人午夜在线观看视频| 亚洲欧洲国产日韩| 高清视频免费观看一区二区| 人妻少妇偷人精品九色|