FreeTalk：一种针对语音合成攻击的即插即用式黑箱防御
密码学与安全
2025-09-03 v1
摘要
最近，语音助理和语音验证被广泛应用于众多领域，为我们带来了诸多便利。然而，在享受这些语音应用时，我们的语音可能被攻击者收集用于语音合成。例如，攻击者通过获取受害者的语音片段，生成带有受害者语音特征的不当政治意见，这会显著损害受害者的声誉。具体而言，随着零样本语音转换方法的出现，语音合成攻击的成本进一步降低，这也给用户的语音安全和隐私带来了更大的挑战。一些研究人员提出了相应的隐私保护方法。然而，现有方法存在一些顾虑：迁移性和鲁棒性较低、计算开销大。这些不足严重限制了现有方法在实际场景中的部署。因此，本文提出了一种轻量级、稳健的、针对语音合成攻击的黑箱隐私保护方法。该方法生成并添加频率域扰动，以实现隐私保护和高质量语音。随后，我们提出了数据增强策略和噪声平滑机制以提高所提方法的鲁棒性。此外，为减少用户的防御开销，我们还提出了一种新型的面向身份的保护机制。它可以为单个说话者生成通用扰动，并支持对任意长度语音的隐私保护。最后，我们在 5 个语音合成模型、5 个语音验证模型、1 个语音识别模型和 2 个数据集上进行了大量实验。实验结果表明，该方法在保持高质量语音的同时，具备令人满意的隐私保护性能和实用性。
引用
@article{arxiv.2509.00561,
title = {FreeTalk:A plug-and-play and black-box defense against speech synthesis attacks},
author = {Yuwen Pu and Zhou Feng and Chunyi Zhou and Jiahao Chen and Chunqiang Hu and Haibo Hu and Shouling Ji},
journal= {arXiv preprint arXiv:2509.00561},
year = {2025}
}
备注
under review