针对说话人识别对抗样本生成方法研究

来源：电子测量技术杂志2024年第22期北京时间：

作者：马栋林，宋佳佳，赵宏，陈伟杰

单位：兰州理工大学计算机与通信学院 兰州 730050

摘要：针对基于生成式的对抗样本生成方法生成的对抗样本真实性较低和攻击效果欠佳的问题，提出一种基于AdvGAN和CGAN的对抗样本生成方法ACGAN。首先，针对特定目标进行攻击，ACGAN通过在训练和攻击阶段引入额外的目标标签，生成具有针对性的频域上的对抗样本。其次，在生成器和鉴别器中引入门控卷积神经网络，帮助ACGAN模型捕捉到更精确的数据特征，从而提高攻击成功率。最后，引入感知损失函数，最小化模型输出与目标输出在语音特征表示上的差异，提高生成样本的听觉质量。实验结果表明，在有目标攻击中相较于现有方法，ASR提高了1.5%，SNR和PESQ分别提高了10.5%和11.1%，证明了ACGAN在对抗样本生成领域的有效性和潜力。

关键词：对抗样本;生成器;鉴别器;门控卷积神经网络;感知损失

基金资助：国家自然科学基金（62166025）项目资助