敵対攻撃に直面するASRモデルの最近の改善【JST・京大機械翻訳】

Olivier Raphael; Raj Bhiksha

プレプリント

J-GLOBAL ID：202202208831164012 整理番号：22P0322757

敵対攻撃に直面するASRモデルの最近の改善【JST・京大機械翻訳】

Recent improvements of ASR models in the face of adversarial attacks

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (2件)： ,
資料名：
発行年： 2022年03月29日プレプリントサーバーでの情報更新日： 2022年04月04日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

ニューラルネットワークを含む多くの他のタスクのように,Speech認識モデルは敵対攻撃に対して脆弱である。しかし,最近の研究では,画像モデルと比較してASRモデルに対する攻撃と防御の違いを指摘した。ASRモデルのロバスト性を改善することは,評価における1つまたは2,3のモデルに対する攻撃の評価からのパラダイムシフトを必要とする。ここでは,様々なアーキテクチャ,即ち,目標および非ターゲット,最適化および音声処理ベース,ホワイトボックス,ブラックボックスおよびターゲット攻撃の代表的集合に関する評価により,そのような研究に対して地上を築く。その結果,異なる攻撃アルゴリズムの相対強度はモデルアーキテクチャを変えるとかなり変化し,いくつかの攻撃の結果はブラインドに信頼されないことを示した。それらはまた,自己監督予訓練のような訓練選択が,移動可能な摂動を可能にすることにより,ロバスト性に大きく影響することを示した。このソースコードをパッケージとして放出し,それらの攻撃と防御を評価する将来の研究を助けるべきである。【JST・京大機械翻訳】

, , , , , , , , ,
, , , , 【Automatic Indexing@JST】

データ保護 , パターン認識

, , ,

前のページに戻る