由自动说话人验证辅助的语音模仿攻击
音频与语音处理
2019-11-05 v2 密码学与安全
机器学习
声音
摘要
在这项工作中，我们模拟了一种场景：利用公开可用的 ASV 系统来增强针对另一闭源 ASV 系统的模仿攻击。具体而言，使用 ASV 技术在招募的攻击者（6 名）与来自 VoxCeleb 语料库的潜在目标说话人（7365 名）的语音之间进行相似性搜索，为每个攻击者找到最接近的目标。此外，我们考虑“中位”、“最远”和“常见”目标作为参考点。我们的目的是深入了解说话人相似性排序如何从攻击者的 ASV 系统迁移到被攻击的 ASV 系统、攻击者能否通过模仿改进其攻击，以及攻击者的语音特性因模仿而发生何种变化。我们通过 ASV 实验、听辨测试以及韵律与共振峰分析来解决这些问题。对于 ASV 实验，攻击方使用 i-vector 技术，被攻击方使用 x-vectors。对于听辨测试，我们通过众包招募听者。ASV 实验的结果表明，说话人相似性分数能很好地从一种 ASV 系统迁移到另一种。ASV 实验与听辨测试均揭示，模仿尝试总体上无助于使攻击者的分数更接近目标。详细分析显示，当攻击者与目标的天然语音彼此相似时，模仿并不能改善攻击。韵律与共振峰分析表明，攻击者在模仿时能显著改变其语速，但 F0 与共振峰的变化较小。总体而言，结果表明未经训练的模仿者不会对 ASV 系统构成高威胁，但利用 ASV 系统攻击其他 ASV 系统是一种潜在威胁。
引用
@article{arxiv.1906.01454,
title = {Voice Mimicry Attacks Assisted by Automatic Speaker Verification},
author = {Ville Vestman and Tomi Kinnunen and Rosa González Hautamäki and Md Sahidullah},
journal= {arXiv preprint arXiv:1906.01454},
year = {2019}
}
备注
Published in Computer Speech and Language. arXiv admin note: text overlap with arXiv:1811.03790