利用域特征检测噪声环境下针对深度语音识别的对抗攻击
音频与语音处理
2022-11-04 v1 密码学与安全
机器学习
声音
摘要
近年来，基于深度模型的自动语音识别（ASR）取得了显著进展，并广泛部署于现实世界。同时，针对深度ASR系统的对抗攻击成功率极高。已提出多种方法来防御ASR系统免受这些攻击。然而，现有的基于分类的方法聚焦于深度学习模型的设计，而缺乏对特定域特征的探索。本工作利用基于滤波器组的特征以更好地捕获攻击特征，从而改进检测。此外，本文分析了分别使用语音与非语音部分检测对抗攻击的潜力。最后，考虑到ASR系统可能部署的不利环境，我们研究了各类声学噪声和信噪比的影响。大量实验表明，逆滤波器组特征在干净与噪声环境下通常表现更优，使用语音或非语音部分检测均有效，且声学噪声会大幅降低检测性能。
引用
@article{arxiv.2211.01621,
title = {Leveraging Domain Features for Detecting Adversarial Attacks Against Deep Speech Recognition in Noise},
author = {Christian Heider Nielsen and Zheng-Hua Tan},
journal= {arXiv preprint arXiv:2211.01621},
year = {2022}
}