时空梯度迭代的声纹对抗攻击算法STI-FGSM

TN912; 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.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.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...

Full description

Saved in:
Bibliographic Details
Published in计算机工程与应用 Vol. 59; no. 21; pp. 151 - 158
Main Authors 李烁, 顾益军, 谭昊
Format Journal Article
LanguageChinese
Published 中国人民公安大学 信息网络安全学院,北京 100038%广州大学 网络空间先进技术研究院,广州 510006 01.11.2023
Subjects
perturbation ensemble
black-box attack
迁移性
gradient
说话人识别
扰动集成
white-box attack
adversarial attack
白盒攻击
对抗攻击
梯度
黑盒攻击
transferability
speaker recognition
Online AccessGet full text
ISSN1002-8331
DOI10.3778/j.issn.1002-8331.2207-0476

Cover

More Information
Summary:TN912; 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.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.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.
ISSN:1002-8331
DOI:10.3778/j.issn.1002-8331.2207-0476