声音事件分类中的对抗攻击
机器学习
2019-08-16 v2 密码学与安全
声音
音频与语音处理
摘要
对抗攻击是指一组通过扰动分类模型输入以欺骗分类器的方法。本文中，我们将不同的基于梯度的对抗攻击算法应用于五个为声音事件分类训练的深度学习模型。其中四个模型使用梅尔谱图输入，一个模型使用原始音频输入。这些模型代表了卷积、循环和全连接网络等标准架构。训练所用数据集为 DCASE 2018 挑战赛任务 2 发布的 Freesound 数据集，所用模型来自该挑战赛中开源其代码的参与者。我们的实验表明，可以以高置信度和低扰动生成对抗攻击。此外，我们展示对抗攻击在不同模型间非常有效。
引用
@article{arxiv.1907.02477,
title = {Adversarial Attacks in Sound Event Classification},
author = {Vinod Subramanian and Emmanouil Benetos and Ning Xu and SKoT McDonald and Mark Sandler},
journal= {arXiv preprint arXiv:1907.02477},
year = {2019}
}
备注
Fixed Freesound data reference to FSDKaggle2018