MAIA：基于修复的音乐对抗攻击方法
声音
2025-09-08 v1 机器学习
音频与语音处理
摘要
音乐对抗攻击在音乐信息检索（MIR）领域引起了广泛关注。本文提出音乐对抗修复攻击（MAIA），一种支持白盒和黑盒攻击场景的新型对抗攻击框架。MAIA首先进行重要性分析以识别关键音频片段，然后对这些片段进行针对性修改。利用生成式修复模型，这些片段在受攻击模型输出的指导下进行重建，确保微妙且有效的对抗扰动。我们在多个MIR任务上评估了MAIA，在白盒和黑盒设置下均展示了高攻击成功率，同时保持了最小的感知失真。此外，主观听音测试确认了对抗样本的高音频保真度。我们的发现揭示了当前MIR系统的脆弱性，并强调了需要更鲁棒和更安全的模型。
引用
@article{arxiv.2509.04980,
title = {MAIA: An Inpainting-Based Approach for Music Adversarial Attacks},
author = {Yuxuan Liu and Peihong Zhang and Rui Sang and Zhixin Li and Shengchen Li},
journal= {arXiv preprint arXiv:2509.04980},
year = {2025}
}
备注
Accepted at ISMIR2025