针对乐器分类的端到端对抗白盒攻击
音频与语音处理
2020-07-30 v1 机器学习
声音
摘要
对输入数据的微小对抗扰动能剧烈改变机器学习系统性能，从而挑战此类系统的有效性。我们提出首个针对乐器分类系统的端到端对抗攻击，允许直接将扰动加至音频波形而非谱图。我们的攻击能将准确率降至接近随机基线，同时使扰动几乎不可感知，并造成对任意期望乐器的误分类。
引用
@article{arxiv.2007.14714,
title = {End-to-End Adversarial White Box Attacks on Music Instrument Classification},
author = {Katharina Prinz and Arthur Flexer},
journal= {arXiv preprint arXiv:2007.14714},
year = {2020}
}
备注
8 pages, 2 figures