QFA2SR：面向说话人识别系统的无查询对抗迁移攻击
密码学与安全
2023-09-26 v2 机器学习
多媒体
声音
音频与语音处理
摘要
当前针对说话人识别系统（SRSs）的对抗攻击需要白盒访问或对目标 SRS 的大量黑盒查询，因而仍落后于针对专有商业 API 与声控设备的实际攻击。为填补此空白，我们提出 QFA2SR，一种有效且不可感知的无查询黑盒攻击，通过利用对抗语音的迁移性实现。为提升迁移性，我们提出三种新方法：定制化损失函数、SRS 集成与时间-频率腐蚀。第一种针对不同的攻击场景定制损失函数。后两种以两种不同方式增强替代 SRS。SRS 集成以新策略组合多样化替代 SRS，适应 SRS 独特的打分特性。时间-频率腐蚀通过引入精心设计的时域/频域修改函数增强替代 SRS，从而模拟并逼近目标 SRS 的决策边界及空中攻击中引入的失真。QFA2SR 在四个流行商业 API（Microsoft Azure、iFlytek、Jingdong 与 TalentedSoft）上将目标迁移性提升 20.9%–70.7%，在无查询设定下显著优于现有攻击，且对不可感知性影响可忽略。QFA2SR 在针对三种广泛使用的语音助手（Google Assistant、Apple Siri 与 TMall Genie）的空中攻击中也高度有效，目标迁移性分别为 60%、46% 与 70%。
引用
@article{arxiv.2305.14097,
title = {QFA2SR: Query-Free Adversarial Transfer Attacks to Speaker Recognition Systems},
author = {Guangke Chen and Yedi Zhang and Zhe Zhao and Fu Song},
journal= {arXiv preprint arXiv:2305.14097},
year = {2023}
}
备注
Accepted by the 32nd USENIX Security Symposium (2023 USENIX Security); Full Version