Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2504.04394

帮助 | 高级搜索

计算机科学 > 密码学与安全

arXiv:2504.04394 (cs)
[提交于 2025年4月6日 ]

标题: 针对自动语音识别系统的选择性屏蔽对抗攻击

标题: Selective Masking Adversarial Attack on Automatic Speech Recognition Systems

Authors:Zheng Fang, Shenyi Zhang, Tao Wang, Bowen Li, Lingchen Zhao, Zhangyi Wang
摘要: 大量研究表明,自动语音识别(ASR)系统容易受到音频对抗攻击的威胁。目前的攻击主要集中在单源场景上,而忽略了双源场景(即两人同时说话的情况)。为了弥补这一差距,我们提出了一种选择性掩蔽对抗攻击方法,即SMA攻击,该方法确保在双源场景中选择一个音频源用于识别,同时静音另一个音频源。为了更好地适应双源场景,我们的SMA攻击通过从静音音频和选定音频构建正常的双源音频。SMA攻击以小高斯噪声初始化对抗扰动,并使用选择性掩蔽优化算法对其进行迭代优化。广泛的实验表明,SMA攻击能够在双源场景中生成有效且难以察觉的音频对抗样本,在Conformer-CTC上的平均攻击成功率为100%,信噪比为37.15 dB,优于基线方法。
摘要: Extensive research has shown that Automatic Speech Recognition (ASR) systems are vulnerable to audio adversarial attacks. Current attacks mainly focus on single-source scenarios, ignoring dual-source scenarios where two people are speaking simultaneously. To bridge the gap, we propose a Selective Masking Adversarial attack, namely SMA attack, which ensures that one audio source is selected for recognition while the other audio source is muted in dual-source scenarios. To better adapt to the dual-source scenario, our SMA attack constructs the normal dual-source audio from the muted audio and selected audio. SMA attack initializes the adversarial perturbation with a small Gaussian noise and iteratively optimizes it using a selective masking optimization algorithm. Extensive experiments demonstrate that the SMA attack can generate effective and imperceptible audio adversarial examples in the dual-source scenario, achieving an average success rate of attack of 100% and signal-to-noise ratio of 37.15dB on Conformer-CTC, outperforming the baselines.
主题: 密码学与安全 (cs.CR) ; 声音 (cs.SD)
引用方式: arXiv:2504.04394 [cs.CR]
  (或者 arXiv:2504.04394v1 [cs.CR] 对于此版本)
  https://doi.org/10.48550/arXiv.2504.04394
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Zheng Fang [查看电子邮件]
[v1] 星期日, 2025 年 4 月 6 日 07:30:08 UTC (1,848 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
cs.CR
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-04
切换浏览方式为:
cs
cs.SD

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号