用深度生成模型攻击说话人识别
声音
2018-01-09 v1 机器学习
音频与语音处理
摘要
本文研究生成对抗网络(GANs)合成对现代说话人识别系统的欺骗攻击的能力。我们首先展示用 SampleRNN 和 WaveNet 生成的样本无法愚弄基于 CNN 的说话人识别系统。我们提出对 Wasserstein GAN 目标函数的修改，以利用真实但非所学类别的数据。我们的半监督学习方法能执行定向与非定向攻击，引发关于说话人认证系统安全性的问题。
引用
@article{arxiv.1801.02384,
title = {Attacking Speaker Recognition With Deep Generative Models},
author = {Wilson Cai and Anish Doshi and Rafael Valle},
journal= {arXiv preprint arXiv:1801.02384},
year = {2018}
}
备注
5 pages, 3 Figures, 1 table