في عالم تتزايد فيه التحديات المتعلقة بالتزييف الصوتي، ظهرت بروتيوس كنقطة تحول نوعية في اختبار صمود أنظمة كشف التزييف. تم تطوير بروتيوس في شركة Resemble AI، وهي عبارة عن إطار عمل آلي يُستخدم لاختبار مدى فعالية أنظمة الكشف عن التزييف الصوتي.

تُعد بروتيوس قادرة على البحث بشكل منهجي في سلسلة من التحولات الصوتية اليومية مثل تحويل الترميز (codec transcoding)، الضوضاء المضافة، والرجع الصوتي (reverberation)، وضغط النطاق الديناميكي (dynamic-range compression)، بالإضافة إلى محاكاة VoIP. الهدف من هذا البحث هو العثور على تركيبات قادرة على خداع النظام بينما تحتفظ في الوقت نفسه بجودة الصوت.

قامت بروتيوس بتقديم استراتيجيتين بحثيتين متكاملتين:
1. البحث الشامل (breadth-first search) الذي يقوم برسم فعالية التحسينات عبر مساحة المعلمات.
2. وكيل التعلم المعزز (Q-learning agent) المصمم لاكتشاف سلاسل هجوم أعمق بكفاءة من خلال استغلال الأنماط الهيكلية في بيانات البحث الشامل.

نتائج التوظيف المستمر لبروتيوس ضد كاشف الإنتاج الخاص بنا أظهرت أن سلاسل تحسين محددة يمكن أن تقلب أحكام الكشف بشكل موثوق، بينما تحافظ على وضوح الكلام وهُوية المتحدث.

نُناقش أيضًا كيف تم استخدام هذه النتائج لتعزيز نظام الكشف من خلال إعادة التدريب الموجه، مما يضمن القدرة على مواجهة الأساليب الجديدة للتزييف الصوتي.