基于梯度范数的微调用于自动语音识别中的后门防御

后门攻击对深度神经网络（DNN）的安全性构成了重大威胁。尽管在视觉领域开发后门攻击防御方面取得了长足进步，但音频领域的专用防御仍然空白。此外，从视觉领域迁移到音频领域的防御方法效果有限。为了填补这一空白，我们基于对相应后门模型的观察，提出了梯度范数微调（GN-FT），这是一种针对音频领域攻击的新型防御策略。具体来说，我们首先通过实验发现，后门神经元相比其他神经元表现出更大的梯度值，而干净神经元则保持最低。在此基础上，我们通过引入梯度范数正则化来微调后门模型，旨在削弱和减少后门神经元。我们进一步近似损失计算以降低实现成本。在两个语音识别数据集上跨五个模型的大量实验证明了我们提出的方法的优越性能。据我们所知，这项工作是音频领域首个专门且有效的后门攻击防御方法。