Reto
Difusión Comms
Casos de uso
La detección de voz falsa a gran escala presenta desafíos significativos. Algunas razones por las cuales el uso de soluciones basadas en inteligencia artificial (IA) es fundamental para abordar este problema:
Entre otros casos, la implementación exitosa de la verificación de hablantes en el ámbito de las telecomunicaciones abre oportunidades los siguientescasos de uso:
1. Acceso Seguro a Servicios Telefónicos:Garantizar que solo usuarios autorizados tenganacceso a servicios sensibles a través de la verificaciónvocal.
2. Transacciones Financieras: Asegurar la autenticidad del usuario en transacciones telefónicasrelacionadas con servicios financieros.
3. Servicios de Atención al Cliente: Mejorar la seguridad en las interacciones telefónicas con los servicios de atención al cliente.
Introducción
Reto diseñado de forma exclusiva con UPF-BSM y el equipo de Investigadores de Telefónica, para ofrecer modelos de aprendizaje activo, personalizado e interdisciplinario que prepare a los estudiantes de MsC in Data Analytics for Bussines de, para convertirse en profesionales capaces de moverse en entornos en constante transformación.
Relevancia del problema para empresas de telecomunicaciones
Seguridad del Usuario: La autenticación vocal se utiliza para garantizar la seguridad en transacciones telefónicas, acceso a cuentas y servicios sensibles.
Prevención del Fraude: La detección de engaños en la voz es esencial para prevenir el fraude en servicios telefónicos y transacciones financieras.
Mejora de la Experiencia del Cliente: Implementar sistemasrobustos de verificación de hablantes mejora la experiencia del cliente al proporcionar servicios seguros y eficientes.
Desarrollo del Reto
La detección de voz falsa a gran escala presenta desafíos significativos. Algunas razones por las cuales el uso de soluciones basadas en inteligencia artificial (IA) es fundamental para abordar este problema:
1.Complejidad de las Técnicas de Suplantación
2.Escalabilidad y Variabilidad de Datos
3.Adaptabilidad a Nuevas Amenazas
4.Extracción de Características Avanzadas
5.Mejora Continua del Rendimiento
Los estudiantes inician en abril de 2024, semanas de análisis y trabajo en equipo, para presentar soluciones a los diferentes caso de uso posibles.
La presentación final se desarrollará a principios de mayo ante el jurado de expertos de Telefónica y profesores de UPF-BSM.
RECURSOS SUGERIDOS
VoxCeleb: Conjunto de datos con muestras de voz de celebridades.
ASVspoof 2019: Conjunto de datos para evaluarsistemas de verificación de hablantes y detectores de engaños.
LibriSpeech: Conjunto de datos para la investigación de reconocimiento de voz y verificaciónde hablantes.
Custom datasets: Los estudiantes pueden crearsus propios conjuntos de datos