说话人识别模型针对additive扰动的认证

说话人识别技术已广泛应用于从个人虚拟助手到安全访问系统等各类任务。然而，这些系统针对对抗性攻击（特别是针对additive扰动）的鲁棒性仍是一个重要挑战。本文 pioneering地将鲁棒性认证技术应用于说话人识别领域，该技术最初开发用于图像领域。我们的工作通过迁移和改进随机平滑认证技术，针对范数限制的additive扰动，对分类和few-shot学习任务在说话人识别中的应用。我们在VoxCeleb 1和2数据集上Demonstrated了这些方法的有效性。我们预计本工作将提高语音生物识别的鲁棒性，并加速音频领域认证方法的研究。