说话人验证系统中自适应对抗攻击的检测研究
密码学与安全
2023-04-19 v2 机器学习
声音
音频与语音处理
摘要
说话人验证系统已广泛应用于智能手机和物联网设备中以识别合法用户。近期研究表明，诸如 FAKEBOB 之类的对抗攻击可有效攻击说话人验证系统。本文旨在设计一种能够区分原始音频与受对抗攻击污染的音频的检测器。具体而言，我们设计的称为 MEH-FEST 的检测器，从音频的短时傅里叶变换中计算高频最小能量并将其用作检测度量。通过分析与实验，我们表明所提出的检测器易于实现、处理输入音频速度快，并能有效判定音频是否被 FAKEBOB 攻击篡改。实验结果表明该检测器极为有效：在高斯混合模型（GMM）和 i-vector 说话人验证系统中检测 FAKEBOB 攻击的误报率和漏报率近乎为零。此外，本文讨论并研究了针对我们所提检测器的自适应对抗攻击及其对策，展现了攻击者与防御者之间的博弈。
引用
@article{arxiv.2202.05725,
title = {On the Detection of Adaptive Adversarial Attacks in Speaker Verification Systems},
author = {Zesheng Chen},
journal= {arXiv preprint arXiv:2202.05725},
year = {2023}
}