基于语音性别分类的对抗样本研究  

作　　者：董明宇 严迪群[1] 王让定[1] 董理 

机构地区：[1]宁波大学信息科学与工程学院

出　　处：《网信军民融合》2022年第11期45-50,共6页Civil-Military Integration on Cyberspace

基　　金：国家自然科学基金(6217011361,U1736215,61901237);浙江省自然科学基金(LY20F020010);宁波市自然科学基金(202003N4089);宁波大学王宽诚幸福基金。

摘　　要：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。

关 键 词：人工神经网络 对抗样本 深度网络 深度学习 攻击效果 ANN 性别识别 性别分类 

分 类 号：TN912.3[电子电信—通信与信息系统]