近年、自動話者認証（Automatic Speaker Verification, ASV）システムの利用が広がっている一方で、スプーフィング攻撃（spoofing attacks）がそのセキュリティ上の重大な懸念となっている。リプレイ攻撃（Replay attack）のような一部のスプーフィング攻撃は実装が容易であるものの、検出が極めて困難であり、これに適切な対策を講じる必要が生じている。本論文では、深層畳み込みニューラルネットワーク（deep-convolutional neural network）を基盤とする音声分類器を提案し、スプーフィング攻撃の検出を実現する。本手法は、メル周波数スケール（Mel frequency scale）におけるパワースペクトル密度の音響時周波数表現（Mel-spectrogram）を用い、深層残差学習（deep residual learning）により実装されたResNet-34アーキテクチャの変種を採用している。単一モデルによるシステムとして、ASVspoof 2019の論理的アクセス（logical access）シナリオにおいて、開発データセットで等誤差率（EER）0.9056%、評価データセットで5.32%を達成し、物理的アクセス（physical access）シナリオでは、開発データセットでEER 5.87%、評価データセットで5.74%を達成した。