面向 OTA 对抗攻击的检测：从数据集到防御
音频与语音处理
2025-09-12 v1
摘要
自动说话人验证 (ASV) 系统可用于语音识别应用中的身份验证。然而，近期研究揭示了这些系统在跨线 (OTL) 和面向空气 (OTA) 对抗攻击下的脆弱性。尽管提出了各种检测方法来抵御这些威胁，但由于缺乏全面数据集，尚未对其进行充分测试。为填补这一空白，我们开发了 AdvSV 2.0 数据集，其中包含 62.8 万个样本，总时长为 800 小时。该数据集融合了经典对抗攻击算法、ASV 系统，并涵盖了 OTL 和 OTA 场景。此外，我们引入一种基于神经回放模拟器 (NRS) 的新型对抗攻击方法，增强了 OTA 攻击的效能，从而对 ASV 系统构成更大的威胁。为抵御这些攻击，我们提出了一种基于对比学习的单类分类框架 CODA-OCC。实验结果表明，在 AdvSV 2.0 数据集上，CODA-OCC 的 EER 为 11.2%，AUC 为 0.95，优于多个最新检测方法。
引用
@article{arxiv.2509.09296,
title = {Over-the-Air Adversarial Attack Detection: from Datasets to Defenses},
author = {Li Wang and Xiaoyan Lei and Haorui He and Lei Wang and Jie Shi and Zhizheng Wu},
journal= {arXiv preprint arXiv:2509.09296},
year = {2025}
}