以假乱真：基于语音转换的深层语音分类后门攻击

深层语音分类已取得巨大成功，并极大推动了众多现实世界应用的出现。然而，后门攻击对其构成了新的安全威胁，尤其是在不可信的第三方平台上，攻击者预设的触发器可激活后门。现有语音后门攻击中的多数触发器与样本无关，且即便设计为不易察觉，仍可能被听见。本工作探索了一种利用基于语音转换的样本特定触发器的后门攻击。具体而言，我们采用预训练的语音转换模型生成触发器，确保投毒样本不引入任何额外的可听噪声。在两个语音分类任务上的大量实验证明了我们攻击的有效性。此外，我们分析了激活所提后门的具体场景，并验证了其对抗微调的鲁棒性。