BriefGPT - AI 论文速递
·
证明说话人识别模型对加性扰动的认证
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文揭示了全局对抗音频扰动的存在，通过对自动语音识别系统的信号进行误转录。提出了一种算法来查找单个几乎不可感知的扰动，将其添加到任意语音信号中，欺骗语音识别模型。实验证明，该技术可用于最新的自动语音识别系统。同时，在未参与训练的模型上也有广泛应用。
🎯
关键要点
- 揭示了全局对抗音频扰动的存在，导致自动语音识别系统的信号误转录。
- 提出了一种算法来查找几乎不可感知的扰动，并将其添加到任意语音信号中。
- 该技术能够欺骗受害的语音识别模型。
- 实验表明，该技术适用于最新的自动语音识别系统，如Mozilla DeepSpeech。
- 通过在WaveNet基于的ASR系统上进行可迁移性测试，证明了该扰动在未参与训练的模型上也有广泛应用。
➡️
