基于级联自监督学习模型的自动说话人验证对抗防御
音频与语音处理
2021-02-16 v1 人工智能
摘要
自动说话人验证（ASV）是生物特征识别中的核心技术之一。随着 ASV 系统在安全关键应用中的普遍使用，越来越多的恶意攻击者试图对 ASV 系统发起对抗攻击。在 ASV 攻防对抗的军备竞赛中，如何有效提升 ASV 抵御对抗攻击的鲁棒性仍是一个开放性问题。我们注意到，自监督学习模型在预训练后具备缓解输入中表层扰动的能力。因此，以在 ASV 中有效防御对抗攻击为目标，我们提出了一种基于级联自监督学习模型的标准化、攻击无关的对抗扰动净化方法。实验结果表明，所提方法取得了有效的防御性能，并能在攻击者可能知晓或不知晓自监督学习模型的场景下成功抵御对抗攻击。
引用
@article{arxiv.2102.07047,
title = {Adversarial defense for automatic speaker verification by cascaded self-supervised learning models},
author = {Haibin Wu and Xu Li and Andy T. Liu and Zhiyong Wu and Helen Meng and Hung-yi Lee},
journal= {arXiv preprint arXiv:2102.07047},
year = {2021}
}
备注
Accepted to ICASSP 2021