面向说话人识别的基于对称显著性的对抗攻击
声音
2023-02-28 v1 密码学与安全
机器学习
音频与语音处理
摘要
据我们所知，针对说话人识别的对抗攻击方法要么需要较高的计算成本，要么效果不佳。为解决此问题，本文提出一种基于生成网络的新方法，称为基于对称显著性的编码器-解码器（SSED），用于生成针对说话人识别的对抗语音样本。它包含两个新颖组件。首先，它使用一种新颖的显著性图解码器来学习语音样本对目标说话人识别系统决策的重要性，从而使攻击者专注于对重要样本生成人工噪声。它还提出了一种角度损失函数，以将说话人嵌入推离源说话人。我们的实验结果表明，所提出的 SSED 取得了最先进的性能，即在开放集和闭集说话人识别任务上均超过 97% 的目标攻击成功率和超过 39 dB 的信噪比，且计算成本低。
引用
@article{arxiv.2210.16777,
title = {Symmetric Saliency-based Adversarial Attack To Speaker Identification},
author = {Jiadi Yao and Xing Chen and Xiao-Lei Zhang and Wei-Qiang Zhang and Kunde Yang},
journal= {arXiv preprint arXiv:2210.16777},
year = {2023}
}