语音认证攻击威胁的统一分析与防御展望
《ARTIFICIAL INTELLIGENCE REVIEW》:A survey of threats against voice authentication and anti-spoofing systems
【字体:
大
中
小
】
时间:2026年09月22日
来源:ARTIFICIAL INTELLIGENCE REVIEW 18.8
编辑推荐:
**摘要**
语音认证已从基于人工设计声学特征的传统系统,演变为直接从音频中学习说话人表示的深度模型。这一进步提高了准确性,但也开启了新的攻击面。此前的综述将各类威胁割裂处理,而我们则提供针对语音认证的四种主要攻击向量——数据投毒、对抗性扰动、音频深度伪造及对抗性欺骗——的
**摘要**语音认证已从基于人工设计声学特征的传统系统,演变为直接从音频中学习说话人表示的深度模型。这一进步提高了准确性,但也开启了新的攻击面。此前的综述将各类威胁割裂处理,而我们则提供针对语音认证的四种主要攻击向量——数据投毒、对抗性扰动、音频深度伪造及对抗性欺骗——的统一分析。我们沿三个维度对其进行组织:攻击者掌握了哪些信息、攻击如何被投递、以及攻击在说话人和输入上的泛化广度如何。对这些攻击向量的对比揭示了威胁成熟度之间的明显差距。对抗性扰动在攻击者拥有完整模型访问权限时十分有效,但一旦音频经无线传输播放,往往失效。相比之下,深度伪造易于规模化,无需模型访问即可成功,且能同时欺骗机器和人类听者。现有的反欺骗对策仍处于被动应对阶段,且本身可被自适应攻击绕过。文章最后梳理了开放挑战,并主张建立标准化的威胁模型,采用能主动防御、实时响应的防御机制。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号