对抗机器学习与语音情感识别：利用生成对抗网络提升鲁棒性
机器学习
2019-01-01 v2 密码学与安全
信号处理
机器学习
摘要
深度学习无疑为最先进的语音情感识别（SER）系统性能带来了巨大提升。然而，近期关于对抗样本的研究通过展示深度神经网络仅依赖微小且不可察觉的扰动即易受对抗样本攻击，对 SER 系统的鲁棒性提出了巨大挑战。在本研究中，我们评估对抗样本如何被用于攻击 SER 系统，并提出首个针对 SER 系统的黑盒对抗攻击。我们还探索了包括对抗训练与生成对抗网络（GAN）在内的潜在防御手段以增强鲁棒性。实验评估揭示了有效利用对抗样本以实现 SER 系统鲁棒性的多方面有趣特征，为研究者在此领域进一步创新提供了机会。
引用
@article{arxiv.1811.11402,
title = {Adversarial Machine Learning And Speech Emotion Recognition: Utilizing Generative Adversarial Networks For Robustness},
author = {Siddique Latif and Rajib Rana and Junaid Qadir},
journal= {arXiv preprint arXiv:1811.11402},
year = {2019}
}