【技术实现步骤摘要】
本专利技术属于智能语音系统中的语音识别模型安全，具体涉及一种测量对抗音频共性特征的方法。
技术介绍
1、语音识别系统是一种将人类语音转换为文本的智能系统。随着深度神经网络技术的发展，语音识别系统识别语音的准确性大幅提升，目前已在智能手机、汽车、工业控制终端等设备中广泛应用。然而，研究界发现语音识别模型易受到对抗音频的攻击。攻击者在实施这种攻击时，会恶意构造一段对抗噪声，将它们与语音叠加，形成对抗样本，对抗样本听起来与正常的语音相似。对抗噪声和对抗样本可以统称为对抗音频。对抗音频严重威胁智能语音系统的安全，下面以一个典型的攻击案例为例进行说明。
2、在智能家居场景中，攻击者可以在广播节目的对话中叠加对抗噪声，使得听起来是正常对话的广播节目会被语音识别系统识别为“拨打电话”、“购买商品”、“下载软件”、“打开电器”、“打开房门”等恶意指令。当用户播放广播节目时，智能音箱、手机、智能门锁等设备的语音识别系统会识别到恶意指令，并依据指令进行操作，可能导致购买用户不需要的商品、下载安装恶意软件、在房屋无人的情况下开启电器、打开房门等攻...
【技术保护点】
1.一种测量对抗音频共性特征的方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的测量对抗音频共性特征的方法，其特征在于，所述的步骤S02包括：
3.根据权利要求2所述的测量对抗音频共性特征的方法，其特征在于，所述的白噪声随机生成，所述的良性样本随机选取，且良性样本对应不同的攻击目标文本。
4.根据权利要求1所述的测量对抗音频共性特征的方法，其特征在于，所述的声学特征包括时域特征和频域特征，所述的时域特征，包括短时功率、声压级、短时自相关率、短时平均振幅差、短时平均过零率、音素持续时间、字符间隔时间；所述的频域特征，包括频谱质...
【技术特征摘要】
1.一种测量对抗音频共性特征的方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的测量对抗音频共性特征的方法，其特征在于，所述的步骤s02包括：
3.根据权利要求2所述的测量对抗音频共性特征的方法，其特征在于，所述的白噪声随机生成，所述的良性样本随机选取，且良性样本对应不同的攻击目标文本。
4.根据权利要求1所述的测量对抗音频共性特征的方法，其特征在于，所述的声学特征包括时域特征和频域特征，所述的时域特征，包括短时功率、声压级、短时自相关率、短时平均振幅差、短时平均过零率、音素持续时间、字符间隔时间；所述的频域特征，包括频谱质心、基频、能熵比、频谱图、梅尔频谱图、梅尔倒谱系数、频谱包络、线性预测编码。
5.根据权利要求1所述的测量对抗音频共性特征的方法，其特征在于，所述的步骤s04包括：
6.根据权利要求1所述的测量对抗音频共性特征的方法，其特征在于，所述的步骤s05包括：
7.根...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。