面向说话人识别的通用对抗扰动生成网络
音频与语音处理
2020-04-08 v1 密码学与安全
声音
摘要
随着指纹/人脸/说话人识别系统的广泛部署，鉴于神经网络易受对抗样本攻击——后者经刻意扰动而对人类几乎不可察觉——攻击基于深度学习的生物识别系统已引起越来越多关注。本文中，我们证明了说话人识别系统中通用对抗扰动(UAPs)的存在。我们提出一种生成网络，学习从低维正态分布到UAPs子空间的映射，进而合成UAPs以扰动任意输入信号，从而以高概率欺骗训练良好的说话人识别模型。在TIMIT和LibriSpeech数据集上的实验结果证明了我们模型的有效性。
引用
@article{arxiv.2004.03428,
title = {Universal Adversarial Perturbations Generative Network for Speaker Recognition},
author = {Jiguo Li and Xinfeng Zhang and Chuanmin Jia and Jizheng Xu and Li Zhang and Yue Wang and Siwei Ma and Wen Gao},
journal= {arXiv preprint arXiv:2004.03428},
year = {2020}
}
备注
Accepted by ICME2020