说话人识别系统中的对抗攻击与防御：综述

由于远程控制易用且经济友好，说话人识别在许多应用场景（如智能家居与智能助手）中已非常流行。SRS 的快速发展离不开机器学习尤其是神经网络的进步。然而，已有工作表明机器学习模型在图像域易受对抗攻击，这启发研究者探索说话人识别系统（SRS）中的对抗攻击与防御。遗憾的是，现有文献缺乏对该主题的彻底综述。本文中，我们通过开展 SRS 中对抗攻击与防御的全面综述填补此空白。我们首先介绍 SRS 基础与对抗攻击相关概念。然后，我们分别提出两套准则以评估 SRS 中攻击方法与防御方法的性能。此后，我们对现有攻击方法与防御方法分类，并进一步用所提准则审视它们。最后，基于我们的综述，我们发现若干开放问题并进一步明确若干未来方向以推动 SRS 安全研究。