EventTrojan：通过不可感知事件操纵非侵入式语音质量评估
声音
2024-09-12 v2 人工智能
音频与语音处理
摘要
非侵入式语音质量评估（NISQA）因无需参考语音即可预测语音的平均意见得分（MOS）而受到广泛关注。研究者已逐渐将 NISQA 应用于多种实际场景。然而，NISQA 模型的安全性鲜受关注。后门攻击对深度神经网络（DNNs）构成最严重威胁，因为后门一旦植入便具有极高的攻击成功率。但现有后门攻击假设攻击者在推理阶段主动将含触发器的样本输入模型，这并不适配 NISQA 的特定场景。且当前针对回归任务的后门攻击缺乏衡量攻击性能的客观指标。为解决这些问题，我们提出一种新颖的后门触发方法（EventTrojan），利用 NISQA 模型使用过程中的事件作为触发器。此外，我们创新性地为回归任务上的后门攻击提供了客观指标。在四个基准数据集上的大量实验证明了 EventTrojan 攻击的有效性，并且它对多种防御方法也具有良好的抵抗能力。
引用
@article{arxiv.2309.01480,
title = {EventTrojan: Manipulating Non-Intrusive Speech Quality Assessment via Imperceptible Events},
author = {Ying Ren and Kailai Shen and Zhe Ye and Diqun Yan},
journal= {arXiv preprint arXiv:2309.01480},
year = {2024}
}
备注
Accepted by ICME2024