科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了解决当前声纹对抗攻击算法梯度信息利用不足、迁移性较差等问题，针对说话人识别模型，提出一种时空迭代快速梯度符号法（Space-Time Iterative Fast Gradient Sign Method， STI-FGSM）的声纹对抗攻击算法。该算法首先基于动量迭代快速梯度符号法（Momentum Iterative Fast Gradient Sign Method， MI-FGSM），融合动量和时序梯度信息，使用下一步观测梯度修正扰动更新方向。然后，引入空间梯度信息，充分学习语音样本区域信息，实现不同区域的空间梯度动量累加。最后，结合扰动集成的方法，充分利用已知的白盒模型，实现多模型扰动叠加，进一步提高黑盒攻击成功率。实验结果表明，STI-FGSM算法针对ResNetSE34V2、TDy＿ResNet34＿half、x-vector、ECAPA-TDNN四种说话人识别模型，均能取得较强的白盒攻击，并实现较高的黑盒攻击成功率，其性能优于其他算法。
- 单位
