Обоснование принципиальной возможности применения нейронных сетей глубокого обучения для построения системы выявления следов цифровой обработки фонограмм

Abstract

На модели нейронной сети глубокого обучения обоснована и проверена принципиальная пригодность данной сети для создания высокоэффективного экспертного инструментария, предназначенного для выявления следов цифровой обработки в фонограммах. Эксперимент проведен на большом объеме (более 100 000) экспериментальных фрагментов необработанных пауз фонограмм и пауз со следами обработки, полученных в автоматическом режиме. Найденные зависимости показали, что при пороге вероятности свыше 0,55 правильной бинарной классификации пауз возникает возможность построения высокоэффективного инструментария экспертизы.

На моделі нейронної мережі глибокого навчання обґрунтовано і перевірено принципову придатність такої мережі для створення високоефективного експертного інструментарію, призначеного для виявлення слідів цифрового оброблення у фонограмах. Експеримент проведено на великому обсязі (більше 100000) експериментальних фрагментів необроблених пауз фонограм і пауз із слідами оброблення, отриманих в автоматичному режимі. Отримані залежності показали, що за порогу ймовірності понад 0.55 правильної бінарної класифікації пауз виникає можливість побудови високоефективного інструментарію експертизи.

On the model of a deep learning neuron network, the authors substantiate and verify ptincipal applicability of such network to create a highly efficient expert tool intended to detect traces of digital treatment in phonograms. An experiment is conducted on a large volume (more than 100,000) of experimental fragments of untilled pauses of phonograms and pauses with traces of treatment, obtained in the automatic mode. The obtained dependences showed that for the probability threshold over 0.55 correct binary classification of pauses there is a possibility of constructing a highly efficient tool of examination.