ディープフェイク音声の脅威と対策について

例えば，音声メディアに焦点を当ててみると，10 数 年前までは，違法コピー・違法配信が主たる社会問題で あり，近い将来，ディジタルフォレンジクス(ディジタ ル機器に残された情報を収集・解析し，証拠として活用 する技術)における音声改ざん等が問題になると予想さ れていた (1) ．しかし，近年では，図 1 に示すように， 深層学習ベースの音声合成技術で制作された偽物の合成 音声(以後， 「ディープフェイク音声」と呼ぶ)による 「なりすまし」といった社会的脅威が急激に高まってい る (2) ．そのため，音声メディアを安心安全に利用する ための仕組みや，音声に含まれるプライバシー情報を ディープフェイクのような攻撃から守る革新的技術の確 立が喫緊の課題になっている． 本稿では，ディープフェイク音声による脅威を紹介 し，その対策と課題を概説する．また，最新の研究成果 を紹介し，現在の動向と残された課題を検討する． 音声合成技術は，元々フェイク音声を作成するために 開発されたわけではない．音声合成技術が目指すゴール は， 「福祉応用」など豊かな人間社会形成の一助になる ことである．例えば，将来何かの理由(病気等による発 話器官の障がいなど)でしゃべれなくなったとしても，