Detecção de edições em áudios baseada na análise tempo-frequência e em redes neurais convolucionais

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorPipa, Daniel Rodrigues-
Autor(es): dc.contributorhttps://orcid.org/0000-0002-9398-332X-
Autor(es): dc.contributorhttp://lattes.cnpq.br/5604517186200940-
Autor(es): dc.contributorLazzaretti, André Eugênio-
Autor(es): dc.contributorhttps://orcid.org/0000-0003-1861-3369-
Autor(es): dc.contributorhttp://lattes.cnpq.br/7649611874688878-
Autor(es): dc.contributorPipa, Daniel Rodrigues-
Autor(es): dc.contributorhttps://orcid.org/0000-0002-9398-332X-
Autor(es): dc.contributorhttp://lattes.cnpq.br/5604517186200940-
Autor(es): dc.contributorBiscainho, Luiz Wagner Pereira-
Autor(es): dc.contributorhttps://orcid.org/0000-0003-2959-6963-
Autor(es): dc.contributorhttp://lattes.cnpq.br/1765239890846505-
Autor(es): dc.creatorCordeiro Junior, Marcos-
Data de aceite: dc.date.accessioned2025-08-29T13:31:20Z-
Data de disponibilização: dc.date.available2025-08-29T13:31:20Z-
Data de envio: dc.date.issued2024-01-15-
Data de envio: dc.date.issued2024-01-15-
Data de envio: dc.date.issued2023-11-27-
Fonte completa do material: dc.identifierhttp://repositorio.utfpr.edu.br/jspui/handle/1/33191-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/1114774-
Descrição: dc.descriptionTampering detection is one of the most important topics in forensic analysis of digital audio. Splicing corresponds to the insertion of a segment of signal from a different audio into the original audio record and is included among the most common categories of tampering. Convolutional neural networks (CNNs) have demonstrated effectiveness in various audio processing tasks, which motivates research into different methods of obtaining input data. The spectrogram is a useful representation for visualizing the temporal evolution of the frequency spectrum of an audio, with different signal processing techniques available for its generation. In this study, the development of an automatic splicing detection model in digital audio using CNNs was carried out. The audio spectrogram, computed using different techniques such as Short-Time Fourier Transform (STFT) on a linear scale, STFT on a mel scale, and Constant Q Transform (CQT), was directly provided to the network as input data. A comparative study was conducted to evaluate the impact of the choice of time-frequency representation on the model’s performance in correctly classifying the original and edited audios.-
Descrição: dc.descriptionA detecção de edições é um dos mais importantes tópicos na análise forense de áudios digitais. A interpolação (splicing), caracterizada pela inserção de um trecho de sinal proveniente de um áudio distinto no registro de áudio original, é incluída entre as categorias mais recorrentes de adulterações. As redes neurais convolucionais (CNNs) têm demonstrado eficácia em diversas tarefas de processamento de áudio, o que motiva a pesquisa por diferentes formas de obtenção dos dados de entrada. O espectrograma é uma representação útil para a visualização da evolução temporal do espectro de frequências de um áudio, sendo que diferentes técnicas de processamento de sinais podem ser utilizadas para a sua obtenção. No presente trabalho, foi realizado o desenvolvimento de um modelo de detecção automática de interpolação em áudios digitais com o uso de CNNs. O espectrograma dos áudios, calculado através de diferentes técnicas: transformada de Fourier de tempo curto (STFT) na escala linear, STFT na escala mel e transformada Q constante (CQT), foi diretamente fornecido à rede como dado de entrada. Um estudo comparativo foi conduzido avaliando o impacto da escolha da representação no domínio tempo-frequência no desempenho do modelo em classificar corretamente os áudios originais e editados.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Publicador: dc.publisherUniversidade Tecnológica Federal do Paraná-
Publicador: dc.publisherCuritiba-
Publicador: dc.publisherBrasil-
Publicador: dc.publisherPrograma de Pós-Graduação em Engenharia Elétrica e Informática Industrial-
Publicador: dc.publisherUTFPR-
Direitos: dc.rightsopenAccess-
Direitos: dc.rightshttp://creativecommons.org/licenses/by/4.0/-
Palavras-chave: dc.subjectEditor de audio digital-
Palavras-chave: dc.subjectSom - Registro e reprodução - Técnicas digitais-
Palavras-chave: dc.subjectProcessamento de sinais-
Palavras-chave: dc.subjectAprendizado do computador-
Palavras-chave: dc.subjectAprendizado profundo (Aprendizado do computador)-
Palavras-chave: dc.subjectRedes neurais (Computação)-
Palavras-chave: dc.subjectDigital audio editors-
Palavras-chave: dc.subjectSound - Recording and reproducing - Digital techniques-
Palavras-chave: dc.subjectSignal processing-
Palavras-chave: dc.subjectMachine learning-
Palavras-chave: dc.subjectDeep learning (Machine learning)-
Palavras-chave: dc.subjectNeural networks (Computer science)-
Palavras-chave: dc.subjectCNPQ::ENGENHARIAS::ENGENHARIA ELETRICA-
Palavras-chave: dc.subjectEngenharia Elétrica-
Título: dc.titleDetecção de edições em áudios baseada na análise tempo-frequência e em redes neurais convolucionais-
Título: dc.titleAudio tampering detection based on time-frequency analysis and convolutional neural networks-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositorio Institucional da UTFPR - RIUT

Não existem arquivos associados a este item.