面向端到端语音攻击的类别条件防御GAN
声音
2021-02-23 v2 密码学与安全
计算机视觉与模式识别
机器学习
音频与语音处理
摘要
本文提出一种新颖的防御方法，以对抗旨在欺骗DeepSpeech与Lingvo等先进语音转文本系统的端到端对抗攻击。不同于常规防御方法，所提方法不直接采用低层变换（如自动编码给定输入信号以去除潜在对抗扰动）。相反，我们通过最小化给定测试输入与生成器网络间的相对弦距离调整，为类别条件生成对抗网络(generative adversarial network, GAN)寻找最优输入向量。随后，我们从合成谱图与给定输入信号导出的原始相位信息重建一维信号。因此，该重建不为信号添加任何额外噪声，且据实验结果，我们的防御GAN在词错误率与句子级识别准确率上均大幅优于常规防御算法。
引用
@article{arxiv.2010.11352,
title = {Class-Conditional Defense GAN Against End-to-End Speech Attacks},
author = {Mohammad Esmaeilpour and Patrick Cardinal and Alessandro Lameiras Koerich},
journal= {arXiv preprint arXiv:2010.11352},
year = {2021}
}
备注
5 pages