针对基于GMM i-vector说话人确认系统的对抗攻击
音频与语音处理
2020-02-13 v2 计算与语言
密码学与安全
机器学习
信号处理
摘要
本研究探讨了基于高斯混合模型（GMM）i-vector的说话人确认系统对对抗攻击的脆弱性，以及由GMM i-vector系统生成的对抗样本向x-vector系统的可迁移性。具体而言，我们将GMM i-vector系统表述为注册与测试语音对的打分函数，随后利用快速梯度符号方法（FGSM）优化测试语音以生成对抗样本。这些对抗样本被用于攻击GMM i-vector与x-vector系统。我们通过等错误率与错误接受率的退化来衡量系统脆弱性。实验结果表明，GMM i-vector系统对对抗攻击极为脆弱，且所生成的对抗样本具有可迁移性，对基于神经网络说话人嵌入的系统（如x-vector系统）构成威胁。
引用
@article{arxiv.1911.03078,
title = {Adversarial Attacks on GMM i-vector based Speaker Verification Systems},
author = {Xu Li and Jinghua Zhong and Xixin Wu and Jianwei Yu and Xunying Liu and Helen Meng},
journal= {arXiv preprint arXiv:1911.03078},
year = {2020}
}
备注
Accepted by ICASSP 2020