文献类型：期刊文章

作　　者：廖俊帆[1] 顾益军[1] 张培晶[2] 廖茜[1]

LIAO Junfan;GU Yijun;ZHANG Peijing;LIAO Qian(College of Information Network Security,People’s Public Security University of China,Beijing 102600,China;Network Information Center,People’s Public Security University of China,Beijing 100038,China)

机构地区：[1]中国人民公安大学信息网络安全学院,北京102600 [2]中国人民公安大学网络信息中心,北京100038

出　　处：《计算机工程》

基　　金：公安部技术研究计划竞争性遴选项目(2019JZX009);中国人民公安大学公共安全行为科学研究与技术创新专项。

年　　份：2021

卷　　号：47

期　　号：6

起止页码：132-141

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAS、CSCD、CSCD_E2021_2022、IC、JST、RCCSE、SCOPUS、UPD、ZGKJHX、核心刊

摘　　要：为探究对抗样本对端到端说话人辨认系统的安全威胁与攻击效果,比较现有对抗样本生成算法在语音环境下的性能优劣势,分析FGSM、JSMA、BIM、C&W、PGD 5种白盒算法和ZOO、HSJA 2种黑盒算法。将7种对抗样本生成算法在ResCNN和GRU两种网络结构的端到端说话人辨认模型中实现有目标和无目标攻击,并制作音频对抗样本,通过攻击成功率和信噪比等性能指标评估攻击效果并进行人工隐蔽性测试。实验结果表明,现有对抗样本生成算法可在端到端说话人辨认模型中进行实现,白盒算法中的BIM、PGD具有较好的性能表现,黑盒算法的无目标攻击能达到白盒算法的攻击效果,但其有目标攻击性能有待进一步提升。

关 键 词：说话人辨认 对抗样本  鲁棒性 对抗攻击  信噪比

分 类 号：TP391]