基于语音性别分类的对抗样本研究

【摘要】 <正>随着近些年来深度学习的不断发展与应用，语音性别识别广泛应用于深度网络并取得了快速的发展。然而，随着越来越多的研究发现，深度学习网络容易受到对抗样本的攻击，存在重大的安全性隐患。基于此，选取目前主流的人工神经网络，收集了TIMIT和SLR45两个数据集，实现了基于ANN的语音性别分类模型。根据定义的评价指标对FGSM、PGD和C&W 3种对抗样本生成方法性能和攻击效果进行了评价。实验结果表明，这3种对抗样本生成方法对ANN语音性别分类模型有较好的攻击效果，各方面表现良好，可为防御该类模型的安全性漏洞提供支持与依据。更多还原