面向端到端语音系统的抗对抗攻击多判别器 Sobolev 防御 GAN
声音
2021-03-16 v1 机器学习
音频与语音处理
摘要
本文提出一种针对前沿语音转文本系统所开发的端到端对抗攻击的防御方法。所提防御算法包含四个主要步骤。首先，我们利用短时傅里叶变换将语音信号表示为二维谱图。其次，我们通过谱图子空间投影操作迭代地寻找一个安全向量。该操作在附加正则化项的情况下最小化谱图之间的弦距离调整。第三，我们利用以 Sobolev 积分概率度量训练的新型 GAN 架构，以该安全向量合成谱图。为提升模型在稳定性和所学模式总数方面的性能，我们对生成器网络施加额外约束。最后，我们从合成谱图与 Griffin-Lim 相位近似技术重建信号。我们在 DeepSpeech、Kaldi 和 Lingvo 模型上针对六种强白盒与黑盒对抗攻击基准测试所提防御方法。实验结果表明，我们的算法在准确率和信号质量上均优于其他最先进的防御算法。
引用
@article{arxiv.2103.08086,
title = {Multi-Discriminator Sobolev Defense-GAN Against Adversarial Attacks for End-to-End Speech Systems},
author = {Mohammad Esmaeilpour and Patrick Cardinal and Alessandro Lameiras Koerich},
journal= {arXiv preprint arXiv:2103.08086},
year = {2021}
}
备注
10 pages