HASP：一种针对恶意语音识别的高性能自适应移动安全增强方法
密码学与安全
2018-09-07 v1 机器学习
声音
音频与语音处理
信号处理
机器学习
摘要
如今，基于机器学习的自动语音识别（ASR）技术已广泛应用于智能手机、家用设备和公共设施。尽管该技术十分便捷，但也引发了显著的安全问题——用户的语音内容可能暴露于恶意ASR监控之下，导致严重的隐私泄露。本工作中，我们提出HASP——一种在移动设备上解决此安全问题的高性能安全增强方法。利用ASR系统对对抗样本的脆弱性，HASP被设计用于向实时语音施加人耳不可感知的对抗噪声，并通过提高词错误率（WER）来有效扰动恶意ASR监控。为提升在移动设备上的实际性能，HASP还针对人类语音特征、环境噪声和移动计算场景的有效适应进行了优化。实验表明，HASP可实现最优的实时安全增强：其扰动恶意ASR监控的平均WER达84.55%，且数据处理速度相较最先进方法快15至40倍。此外，HASP能有效扰动多种ASR系统，展现出强迁移性。
引用
@article{arxiv.1809.01697,
title = {HASP: A High-Performance Adaptive Mobile Security Enhancement Against Malicious Speech Recognition},
author = {Zirui Xu and Fuxun Yu and Chenchen Liu and Xiang Chen},
journal= {arXiv preprint arXiv:1809.01697},
year = {2018}
}
备注
8 pages, 10 figures