针对语音欺骗反制措施的实际攻击
密码学与安全
2021-08-02 v1 机器学习
声音
音频与语音处理
摘要
语音认证已成为银行交易与呼叫中心对话等安全关键操作中的组成部分。自动说话人验证系统（ASVs）对欺骗攻击的脆弱性促使了反制措施（CMs）的发展，其任务是区分真实与欺骗语音。ASVs与CMs共同构成当今的语音认证平台，被宣传为牢不可破的访问控制机制。我们开发了首个针对CMs的实际攻击，并展示恶意行为者如何高效伪造音频样本以最严格形式绕过语音认证。先前工作主要聚焦于非主动攻击或针对ASVs且不产生受害者声音的对抗策略。我们的攻击后果远为严重，因为我们生成的样本听起来像受害者，消除了任何合理否认的可能。此外，少数现有针对CMs的对抗攻击错误地在特征空间优化欺骗语音，且未考虑ASVs的存在，导致合成音频质量差而在真实场景中失败。我们通过关键技术贡献消除这些障碍：一种新颖的联合损失函数，可直接在时域对组合的ASV/CM部署发起高级对抗攻击。我们的对抗样本对最先进认证平台实现了令人担忧的黑箱成功率（高达93.57%）。最后，我们执行了首个针对CMs的、经电话网络的定向攻击，绕过多重挑战并引发各类潜在威胁，鉴于呼叫中心中语音生物识别的日益使用。我们的结果对现代语音认证系统的安全性提出质疑，面对攻击者绕过这些措施以获取用户最宝贵资源的真实威胁。
引用
@article{arxiv.2107.14642,
title = {Practical Attacks on Voice Spoofing Countermeasures},
author = {Andre Kassis and Urs Hengartner},
journal= {arXiv preprint arXiv:2107.14642},
year = {2021}
}