Para penulis mengusulkan kerangka kerja deteksi spoofing yang invarian terhadap bahasa yang mengatasi generalisasi buruk dalam pengaturan di luar domain yang disebabkan oleh ketergantungan pada petunjuk linguistik. Metode ini menggunakan pendekatan pembelajaran adversarial guru-siswa di mana guru yang sadar linguistik membimbing detektor siswa melalui reversal gradien untuk meminimalkan informasi linguistik.
- Ambang Batas Informasi Variasional diintegrasikan untuk mencegah penghapusan petunjuk non-linguistik secara tidak sengaja sambil menekan petunjuk linguistik utama.
- Kerangka kerja ini dievaluasi melintasi sembilan dataset DF Arena.
- Metode ini mencapai pengurangan relatif hingga 36,2% dalam Equal Error Rate (EER) dibandingkan dengan baseline.
Pendekatan ini meningkatkan ketahanan terhadap skenario lintas-data dengan memisahkan deteksi spoofing dari konten linguistik tertentu.