基于神经声码器的说话人确认对抗样本检测
声音
2022-05-23 v4 机器学习
音频与语音处理
摘要
自动说话人确认(ASV)作为生物特征识别最重要的技术之一，已广泛应用于安全关键型应用中。然而，ASV 对近期出现的对抗攻击极为脆弱，而针对它们的有效对策十分有限。在本文中，我们采用神经声码器来识别 ASV 的对抗样本。我们使用神经声码器重新合成音频，并发现原始音频与重合成音频的 ASV 分数之间的差异是区分真实样本与对抗样本的良好指标。据我们所知，这一努力是首批针对 ASV 时域对抗样本检测追求此类技术方向的工作之一，因此缺乏既定的基线用于比较。为此，我们实现了 Griffin-Lim 算法作为检测基线。所提出的方法在所有设定下均取得了优于基线的有效检测性能。我们还表明检测框架中采用的神经声码器与数据集无关。我们的代码将开源，以便未来工作进行公平比较。
引用
@article{arxiv.2107.00309,
title = {Adversarial Sample Detection for Speaker Verification by Neural Vocoders},
author = {Haibin Wu and Po-chun Hsu and Ji Gao and Shanshan Zhang and Shen Huang and Jian Kang and Zhiyong Wu and Helen Meng and Hung-yi Lee},
journal= {arXiv preprint arXiv:2107.00309},
year = {2022}
}
备注
Accepted by ICASSP 2022