欺骗语音已经对自动说话人识别系统产生严重影响.语音转换、语音合成和语音重放是对ASV系统进行欺骗的3种主要手段,但流行的欺骗检测方法使用的卷积神经网络大多层数较深、网络较复杂,不适合在移动设备以及嵌入式设备上运行.针对这一问题,提出一种适用于3种欺骗情况下的基于轻量型神经网络Mo?bileNet和GhostVLAD(Ghost Vector of Local Aggregated Descriptors)方法相结合的算法.首先对语音数据进行增广并提取常数Q倒谱系数和振幅频谱图,将其作为输入特征;然后将MobileNetV2或V3-large网络的最后一个池化层替换为GhostVLAD聚合层;最后使用端到端的优化方法对真实语音和欺骗语音进行识别.在ASVspoof 2019数据集上进行实验,结果表明该算法效果较好,相比基线系统在等错误率上分别降低了38%和13%.