利用MP3压缩削弱端到端语音识别中的对抗性噪声
音频与语音处理
2020-07-28 v1 密码学与安全
声音
摘要
音频对抗样本（AAE）是专门创建的输入，旨在诱使自动语音识别（ASR）系统产生错误分类。本文提出将MP3压缩作为一种手段，以降低ASR系统转录的音频样本中对抗性噪声（AN）的影响。为此，我们使用快速梯度符号法为一个端到端、混合CTC-注意力机制的ASR系统生成了AAE。然后，通过两个客观指标验证了我们的方法：（1）字符错误率（CER），用于衡量在未压缩和MP3压缩数据集上训练的四个ASR模型的语音解码性能；（2）信噪比（SNR），针对通过特征反演在时域重建的未压缩和MP3压缩的AAE进行估计。我们发现，与未压缩的AAE相比，对AAE应用MP3压缩确实降低了CER。此外，经过特征反演（重建）的AAE在MP3压缩后具有显著更高的SNR，这表明AN被削弱了。与AN相反，对添加了常规噪声的语音应用MP3压缩会导致更多的转录错误，这进一步证明了MP3编码仅对削弱AN有效。
引用
@article{arxiv.2007.12892,
title = {MP3 Compression To Diminish Adversarial Noise in End-to-End Speech Recognition},
author = {Iustina Andronic and Ludwig Kürzinger and Edgar Ricardo Chavez Rosas and Gerhard Rigoll and Bernhard U. Seeber},
journal= {arXiv preprint arXiv:2007.12892},
year = {2020}
}
备注
Submitted and accepted at SPECOM 2020 conference