PulseAugur
中
实时 07:25:51
English(EN) Beyond Waveform Robustness: Robust Feature-Vocoder Adversarial Attacks on Automatic Speech Recognition

新攻击通过操纵语音特征而非波形来针对ASR

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种新的自动语音识别（ASR）系统对抗攻击方法，该方法在特征空间而非直接在音频波形上操作。这种被称为“干净参考特征-声码器攻击”的方法旨在提高对黑盒ASR模型的迁移性，并绕过针对波形扰动的防御。通过操纵自监督学习表示并通过声码器进行重构，该攻击在各种ASR模型上显著提高了词错误率（WER），凸显了当前鲁棒性评估中的一个漏洞。 AI

影响 这项研究揭示了ASR系统的一个新漏洞，可能影响语音转文本技术的安全性和可靠性。

排序理由 该集群包含一篇详细介绍ASR系统对抗攻击新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Yifan Liao, Zongmin Zhang, Zhen Sun, Yuhui Sun, Xinhu Zheng, Xinlei He ·

    超越波形鲁棒性：面向自动语音识别的鲁棒特征-声码器对抗攻击

    arXiv:2606.05678v1 Announce Type: cross Abstract: Automatic speech recognition (ASR) systems have become widely used for multilingual speech-to-text transcription. Their robustness to adversarial attacks has become an important topic for the community. Existing adversarial attack…

相关实体

相关话题