WaveFuzz：一种保护您声音数据的干净标签投毒攻击
声音
2022-03-28 v1 密码学与安全
音频与语音处理
摘要
人们并不总是愿意自己的语音数据被收集并滥用。训练音频智能系统需要这些数据来构建有用的特征，但获得许可或购买数据的成本非常高，这不可避免地促使黑客在人们不知情的情况下收集这些语音数据。为了阻止黑客主动收集人们的语音数据，我们首次提出一种称为 WaveFuzz 的干净标签投毒攻击，它可以防止智能音频模型从受保护（投毒）的语音数据构建有用特征，同时仍向人类保留语义信息。具体而言，WaveFuzz 扰动语音数据，导致梅尔频率倒谱系数（MFCC）（音频信号的典型表示）生成被投毒的频率特征。这些被投毒的特征随后被输入音频预测模型，从而降低了音频智能系统的性能。我们通过攻击两类代表性的智能音频系统，即说话人识别系统（SR）和语音命令识别系统（SCR），实证展示了 WaveFuzz 的有效性。例如，当仅用 的投毒语音数据进行模型微调时，模型准确率下降了 ；当仅 的训练语音数据被投毒时，模型准确率下降了 。因此，WaveFuzz 是一项使人们能够反击以保护自身语音数据的有效技术，为改善隐私问题提供了新思路。
引用
@article{arxiv.2203.13497,
title = {WaveFuzz: A Clean-Label Poisoning Attack to Protect Your Voice},
author = {Yunjie Ge and Qian Wang and Jingfeng Zhang and Juntao Zhou and Yunzhu Zhang and Chao Shen},
journal= {arXiv preprint arXiv:2203.13497},
year = {2022}
}