面向语音副语言学应用的对抗样本生成
机器学习
2019-01-14 v2 密码学与安全
声音
音频与语音处理
机器学习
摘要
计算副语言学分析正日益广泛应用于各类网络应用中，包括说话人验证、欺骗语音检测和医学诊断等安全敏感应用。尽管最先进的机器学习技术（如深度神经网络）可提供鲁棒且准确的语音分析，但它们易受对抗攻击。本工作中，我们提出一种端到端方案，通过直接扰动音频录音的原始波形而非特定声学特征，来生成面向计算副语言学应用的对抗样本。我们的实验表明，所提出的对抗扰动可导致最先进深度神经网络的性能显著下降，同时仅极小损害音频质量。
引用
@article{arxiv.1711.03280,
title = {Crafting Adversarial Examples For Speech Paralinguistics Applications},
author = {Yuan Gong and Christian Poellabauer},
journal= {arXiv preprint arXiv:1711.03280},
year = {2019}
}
备注
Published in DYnamic and Novel Advances in Machine Learning and Intelligent Cyber Security (DYNAMICS) Workshop in conjunction with ACSAC'18, San Juan, Puerto Rico, December 2018