面向自动语音识别系统的对抗样本生成方法

来源：计算机科学与探索杂志2025年第1期北京时间：

作者：于振华, 苏玉璠, 叶鸥, 丛旭亚

单位：西安科技大学 计算机科学与技术学院，西安 710054

摘要：通过对系统进行对抗攻击可以检测系统漏洞，进而提高系统鲁棒性。然而，对抗攻击前往往需要系统的参数信息，这使得攻击条件受限。为此，结合一种新的量子粒子群优化算法，提出一种黑盒有目标对抗攻击方法。该方法通过在原始样本中添加微小噪声，构造差异化粒子群，作为初始对抗样本种群；基于记忆搜索的领域重分布策略得到当前种群的全局最优粒子，从而生成初始对抗样本；融入扩维和自适应权重位置更新，使得种群更接近目标；根据对抗样本与目标语句的编辑距离，继续优化初始对抗样本，生成最终对抗样本。为了验证方法的攻击效果，在Google Speech、LibriSpeech以及Common Voice数据集上，对语音识别模型DeepSpeech进行实验，将目标语句设置为不同场景中的常见语音指令。实验结果表明，提出的方法在三个数据集上成功率都优于对比方法，其中在Common Voice数据集上的成功率比对比方法提升了10个百分点。同时，召集志愿者对生成的对抗样本噪声强度进行主观评估，其中82.4%的对抗样本被志愿者判断为没有噪声或噪声很小。

关键词：对抗攻击,语音识别,黑盒攻击,样本生成,量子粒子群算法,梯度评估方法

基金资助：国家自然科学基金（62273272，62303375）。