تهدف إجراءات مكافحة التزوير إلى حماية أنظمة التحقق التلقائي من الهوية الصوتية من المحاولات المُضلِّلة التي تسعى إلى التأثير على موثوقيتها باستخدام إشارات صوتية مُزَوَّرة. وعلى الرغم من النتائج الواعدة التي أظهرتها تقييمات ASVspoof 2019 الأخيرة، والتي تُظهر قدرة كبيرة على كشف معظم أشكال الهجمات، إلا أن بعضها ما زال يفلت من الكشف. تُقدِّم هذه الورقة أول تطبيق لنموذج RawNet2 في مجال مكافحة التزوير. يعتمد RawNet2 على معالجة الصوت الخام (raw audio)، ويتمتع بقدرة على التعلم من مؤشرات (cues) لا يمكن اكتشافها باستخدام الحلول التقليدية لمكافحة التزوير. ونُفصِّل في هذه الورقة التعديلات التي أُدخلت على البنية الأصلية لنموذج RawNet2 لتمكينه من التطبيق في مجال مكافحة التزوير. وحققت أنظمة RawNet2 لدينا نتائج متقدمة في هجمات A17، حيث احتلت المرتبة الثانية من بين النتائج المُبلَّغ عنها، بينما ساهم دمج RawNet2 مع إجراءات مكافحة التزوير الأساسية في تحقيق أفضل نتائج مُبلَّغ عنها في ظل شرط الدخول المنطقي الكامل لمنافسة ASVspoof 2019. وتُعدّ النتائج قابلة للتكرار باستخدام برمجيات مفتوحة المصدر.