面向说话人验证的抵御对抗攻击的可扩展集成检测方法
音频与语音处理
2023-12-15 v1 机器学习
声音
摘要
自动说话人验证（ASV）极易受到对抗攻击的影响。净化模块通常作为预处理手段被采用，以减轻对抗性噪声。然而，这些模块通常在不同的实验设置下实现，导致难以进行直接比较。本文在统一框架下全面比较了主流的净化技术。我们发现这些方法通常面临用户体验与安全性之间的权衡，因为它们难以同时保持真实样本的性能并减少对抗性扰动。为了应对这一挑战，一些研究将净化模块扩展以涵盖检测能力，旨在缓解这种权衡。然而，先进的净化模块最终总会超越以往的检测方法。因此，我们进一步提出了一种易于实施的集成方法，该方法集成了先进的净化模块进行检测，在对抗对抗性噪声方面取得了最先进（SOTA）的性能。由于我们的集成方法与未来先进的净化技术兼容，因此具有巨大的潜力。
引用
@article{arxiv.2312.08622,
title = {Scalable Ensemble-based Detection Method against Adversarial Attacks for speaker verification},
author = {Haibin Wu and Heng-Cheng Kuo and Yu Tsao and Hung-yi Lee},
journal= {arXiv preprint arXiv:2312.08622},
year = {2023}
}
备注
Submitted to 2024 ICASSP