一种针对基于孪生网络的说话人验证的通用身份后门攻击
密码学与安全
2025-02-05 v2 声音
音频与语音处理
摘要
说话人验证已广泛应用于诸多认证场景。然而，训练说话人验证模型需要大量数据与算力，因此用户常使用不可信的第三方数据或直接部署第三方模型，这可能带来安全风险。在本文中，我们针对上述场景提出一种后门攻击。具体而言，对于说话人验证系统中的孪生网络，我们试图在模型中植入一个通用身份，该身份可模拟任何已注册说话人并通过验证。因此攻击者无需知晓受害者，这使攻击更具灵活性与隐蔽性。此外，我们设计并比较了在不同场景下针对 GE2E 损失函数的三种攻击语句选择方式与两种投毒训练方式。在 TIMIT 与 Voxceleb1 数据集上的结果表明，我们的方法可在保证正常验证准确率的同时实现高攻击成功率。我们的工作揭示了说话人验证系统的脆弱性，并为进一步提升系统鲁棒性提供了新视角。
引用
@article{arxiv.2303.16031,
title = {A Universal Identity Backdoor Attack against Speaker Verification based on Siamese Network},
author = {Haodong Zhao and Wei Du and Junjie Guo and Gongshen Liu},
journal= {arXiv preprint arXiv:2303.16031},
year = {2025}
}
备注
The first two authors contributed equally to this work