Auf den Punkt: Fraunhofer entwickelt personenzentrierte Stimmprofile, um Audio-Deepfakes zu erkennen, da allgemeine Erkennungsmethoden an die steigende Synthesequalität nicht mehr heranreichen.
Klassische Erkennungsverfahren für KI-generierte Stimmen erreichen ihre Grenzen. Das Forschungsprojekt PADSE des Fraunhofer-Instituts entwickelt daher einen personenzentrierten Ansatz, der Audio-Deepfakes über individuelle Sprach- und Stimmprofile identifizieren soll.
Das Fraunhofer-Institut für Digitale Medientechnologie (IDMT) arbeitet an einer neuen Methode zur Erkennung von Audio-Deepfakes. Der Ansatz basiert nicht auf der Analyse universeller Merkmale manipulierter Sprache, sondern auf der Erfassung und dem Vergleich individueller Stimmprofile.
Für CISOs bedeutet dies eine notwendige Erweiterung der bisherigen Sicherheitsstrategien: Mit der steigenden Qualität von Sprachsynthesen werden Angriffe über gefälschte Audioaufnahmen – etwa zur Manipulation von Mitarbeitenden oder zur Authentifizierung – zunehmend plausibel. Traditionelle, allgemeine Erkennungsmuster werden diesen Anwendungen nicht mehr gerecht.
Der personenzentrierte Ansatz von PADSE verspricht eine höhere Genauigkeit, indem typische Merkmale einer bekannten Stimme erfasst werden – ähnlich wie ein Fingerabdruck. Abweichungen bei Sprachtempo, Tonhöhe oder Artikulation können dann gezielt erkannt werden. Dies ermöglicht es Organisationen, Identitätsverifizierungen und Kommunikationskanäle auf der Audioebene robuster zu schützen.
Quelle: www.security-insider.de · Erschienen 20. Juli 2026
Lumi AI News — KI-assistierte Kuratierung gemaess Art. 50 EU AI Act. Paraphrase und Klassifikation durch Lumi News Pipeline v1.7.3.