SpectralTrojan：一种基于心理声学的频域后门技术，用于关键词检测和说话人识别

《Scientific Reports》：SpectralTrojan: psychoacoustically constrained frequency-domain backdoors for keyword spotting and speaker identification

　　

摘要

语音AI系统仍然容易受到训练阶段的后门攻击，但相关的任务需要仔细区分。本研究评估了关键词检测（KWS）和封闭集说话人识别（SI）；并未评估自动语音转录或说话人验证功能。我们引入了，这是一种频域后门攻击手段，它将低能量的触发组件分布在模型敏感的频率区域，并受到报告的静态心理声学阈值的限制。修订后的论文明确分析了替代热图模型与受害模型之间的架构不匹配问题，指出存档实验并未证明在安静或无声的语音时段这些攻击是不可察觉的，并阐明了仅基于数据的数据污染与完全外包训练之间的能力差异。在原始研究中报告的数字KWS和SI场景中，SpectralTrojan的攻击成功率（AtkSR）超过98.2%，且准确性的下降不超过1.75%。现有的跨架构研究结果表明该方法具有实际的应用潜力，但并未证明所选频率带是普遍最优的；因此，修订后的论文引入了热图重叠和迁移效果评估方法，并对相关说法进行了修正。论文还通过房间脉冲响应和设备模拟来评估系统的声学鲁棒性。由于原始记录中缺少麦克风、扬声器、房间混响和背景噪声等可监听的元数据，因此删除了关于特定硬件支持的无线攻击能力的说法。修订版进一步明确了系数选择方法、嵌入空间诊断机制，以及两种攻击方式的不同可行性假设。