EmoAttack: 利用情感语音转换进行语音后门攻击

深度语音分类任务，主要包括关键词检测和说话人验证，在语音人机交互中发挥着关键作用。最近，语音技术的安全性被证明容易受到后门攻击的威胁。具体而言，语音样本通过噪声干扰和组件修改等现有触发器方式受到攻击。我们建议，语音后门攻击可以针对语音中固有的更高级主观感知属性——情感——进行策略性聚焦。进一步地，我们提出情感语音转换技术可作为语音后门攻击的触发器，称其为 EmoAttack。基于此，我们对两种语音分类任务进行了攻击实验，展示了 EmoAttack 方法具有显著的触发器有效性及其卓越的攻击成功率和准确率变异。此外，消融实验发现，情感强烈的语音更适合作为攻击目标。