伪造语音攻击能冒充目标用户的身份,进而控制目标用户的智能设备和安全账户,它对语音认证系统构成严重的威胁。因此,研究伪造语音检测对于推动智能语音技术的实际应用具有重要的意义。基于公开语音数据集POCO、Voxceleb1、ADD2022,通过深度学习和集成学习方法对伪造语音进行检测,研究了三种不同类型的伪造语音的检测方法。主要研究内容如下:1)针对短语音指令音频信息少,不适用句子级重放语音检测的问题,提出了一种基于自注意机制的Res Net-Light GBM模型用于词级重放语音检测。首先,提出了一种新的音频帧选择模型。然后,计算这些帧的GFCC声学特征。在此基础上,基于自注意Res Net进一步提取GFCC特征中的特定信息。最后,将提取出的特征用Light GBM训练和分类,从而达到更好的检测效果。在POCO数据集上的结果充分验证了该方案的有效性。此外,还研究了性别、词汇、语音帧选择方法以及频率范围对实验结果的影响。2)针对现有的对抗伪造语音检测方法对未知的对抗伪造语音健壮性差的问题,提出了一种基于添加噪声和基于投票法的对抗伪造语音防御策略。首先,基于Fast Res Net模型构建说话人识别系统。其次,对原始测试语音做批量添加随机高斯噪声处理得到新的语音组。其次,说话人识别系统根据原始测试语音和添加噪声后新语音的打分平均值得到新的打分,与阈值对比后判断是否为对抗伪造语音。在Voxceleb1数据集上,实验结果表明,提出的方法可以有效防御对抗语音攻击。3)针对现有合成语音检测方法模型参数多,训练时间长的问题,提出了一种基于注意机制的轻量型SE-Res Net模型。首先,将传统SE-Res Net模块中改为Small SE-Res Net模型,在不损失模型精度的情况下,提高了模型训练速度。其次,比较了三种池化层在合成语音检测方面的精度。最后,使用快照集成中的模型训练方式,融合训练过程中的局部最优解模型,提高模型的精确度。在ADD2022数据集上,在使用所有策略的情况可以有效检测合成语音。图14幅;表21个;参53篇。