噪声增强训练及其对ASR系统对抗鲁棒性影响的比较研究
音频与语音处理
2025-11-10 v4 机器学习
声音
摘要
在本研究中，我们探讨了噪声增强训练是否能同时提高自动语音识别（ASR）系统的对抗鲁棒性。我们对四种不同的ASR架构进行了对抗鲁棒性的比较分析，每种架构均在三种不同的增强条件下训练：（1）背景噪声、速度变化和混响；（2）仅速度变化；（3）无数据增强。随后，我们评估了所有生成的模型在面对白盒或黑盒对抗样本攻击时的鲁棒性。我们的结果表明，噪声增强不仅提升了模型在嘈杂语音上的性能，还增强了模型对对抗攻击的鲁棒性。
关键词
引用
@article{arxiv.2409.01813,
title = {Comparative Study on Noise-Augmented Training and its Effect on Adversarial Robustness in ASR Systems},
author = {Karla Pizzi and Matías Pizarro and Asja Fischer},
journal= {arXiv preprint arXiv:2409.01813},
year = {2025}
}