用对抗样本欺骗端到端说话人验证系统
Fooling End-to-end Speaker Verification by Adversarial Examples
AI 导读
研究显示端到端深度神经网络说话人验证系统易受对抗样本攻击，在人耳几乎无法分辨的噪声下，听起来是说话人 A 的波形可被系统认作说话人 B 通过验证。论文对分别在 YOHO 和 NTIMIT 数据集上训练的端到端模型实施白盒攻击，并展示两种黑盒攻击，即用 YOHO 训练系统生成的对抗样本攻击 NTIMIT 训练的系统，以及用 Mel 频谱特征系统生成的对抗样本攻击 MFCC 训练的系统。结果显示受攻击系统的准确率下降，误报率大幅上升。