作者提出了一种语言不变的欺骗检测框架，解决了因依赖语言线索而在域外设置中泛化能力差的问题。该方法使用教师-学生对抗学习方法，其中语言感知教师通过梯度反转指导学生检测器，以最小化语言信息。
- 引入变分信息瓶颈（Variational Information Bottleneck），在抑制主要语言线索的同时防止无意中移除非语言线索。
- 该框架在九个 DF Arena 数据集上进行了评估。
- 与基线相比，该方法使等错误率（EER）相对降低了高达 36.2%。
这种方法通过将欺骗检测与特定语言内容解耦，提高了对跨数据场景的鲁棒性。