语音识别系统的通用对抗扰动
机器学习
2019-08-16 v2 声音
音频与语音处理
机器学习
摘要
在这项工作中，我们证明了通用对抗音频扰动的存在性，这些扰动会导致自动语音识别（ASR）系统对音频信号的错误转写。我们提出一种算法来寻找单一的、准不可察觉的扰动，当该扰动被加到任意语音信号上时，极有可能欺骗受害的语音识别模型。我们的实验通过对最先进的 ASR 系统——Mozilla DeepSpeech——构造与音频无关的通用扰动，展示了所提技术的应用。此外，我们通过在基于 WaveNet 的 ASR 系统上执行可迁移性测试，表明此类扰动在相当程度上可泛化到训练时不可用的模型。
引用
@article{arxiv.1905.03828,
title = {Universal Adversarial Perturbations for Speech Recognition Systems},
author = {Paarth Neekhara and Shehzeen Hussain and Prakhar Pandey and Shlomo Dubnov and Julian McAuley and Farinaz Koushanfar},
journal= {arXiv preprint arXiv:1905.03828},
year = {2019}
}
备注
Published as a conference paper at INTERSPEECH 2019