Resumen

El sistema de verificación de locutor ha ganado gran popularidad en los últimos años, especialmente con el desarrollo de redes neuronales profundas e Internet de las cosas. Sin embargo, la seguridad del sistema de verificación de locutor basado en redes neuronales profundas no ha sido bien investigada. En este documento, proponemos un ataque para falsificar el sistema de verificación de locutor de última generación basado en la función de pérdida generalizada de extremo a extremo (GE2E) para clasificar erróneamente a usuarios ilegales como usuarios auténticos. Específicamente, diseñamos una función de pérdida novedosa para desplegar un generador que genere ejemplos adversarios efectivos con una ligera perturbación y luego falsifique el sistema con estos ejemplos adversarios para lograr nuestros objetivos. La tasa de éxito de nuestro ataque puede alcanzar el 82% cuando se adopta la similitud de coseno para desplegar el sistema de verificación de locutor basado en aprendizaje profundo. Además, nuestros experimentos también informaron una relación señal-ruido de 76dB,

• Materias:Cifrado de búsqueda Seguridad informática Reconstrucción virtual Detección de intrusos Sistema de programación
• Subjects:Search encryption Computer security Virtual reconstruction Intrusion detection Programming system
• Palabras claves:Sistema de verificación de hablantes; Redes neuronales profundas; Ataque; Suplantación; Ejemplos adversos; Similitud del coseno
• Keywords:Speaker verification system; Deep neural networks; Attack; Spoof; Adversarial examples; Cosine similarity