用于攻击不可闻语音激活设备的对抗智能体
机器学习
2023-07-26 v2 声音
音频与语音处理
摘要
本文将在强化学习应用于新型物联网配置。我们对语音激活设备的不可闻攻击分析确认了其令人担忧的风险因子为 10 分中的 7.6 分，这突显了由 NIST 国家漏洞数据库 (NVD) 独立评分的显著安全漏洞。我们的基线网络模型展示了一个场景：攻击者利用不可闻语音命令未经授权访问安全笔记本电脑上的机密信息。我们在该基线网络模型上模拟了多种攻击场景，揭示了互联设备被大规模利用的潜力——通过物理访问发现并占有特权信息，而无需添加新硬件或增强设备能力。利用 Microsoft 的 CyberBattleSim 框架，我们评估了六种强化学习算法，发现带利用的深度 Q 学习（Deep-Q learning）最优，能以更少的步骤快速占有所有节点。我们的发现强调了在不断扩展的数字环境中，理解非常规网络及新网络安全措施的迫切需求，尤其是那些以移动设备、语音激活以及易受在近超声或不可闻范围内进行隐蔽攻击的恶意行为者影响的非线性麦克风为特征的网络。到 2024 年，这一新攻击面可能涵盖比地球上人口更多的数字语音助手，却因不可闻攻击本质上源于麦克风设计与数字信号处理，而比常规补丁或固件修复提供 fewer 的 remedy。
引用
@article{arxiv.2307.12204,
title = {Adversarial Agents For Attacking Inaudible Voice Activated Devices},
author = {Forrest McKee and David Noever},
journal= {arXiv preprint arXiv:2307.12204},
year = {2023}
}