Dec, 2023

FlowMur：一种具有有限知识的隐蔽实用音频后门攻击

PDF
TL;DR提出了一种名为 FlowMur 的隐蔽和实用的音频后门攻击方法，通过构建辅助数据集和代理模型，并优化触发器生成和数据污染过程，增强隐蔽性并提高攻击性能，从而成功实施了高效且难以被检测的后门攻击。
speech recognition systemsdnnsbackdoor attacksaudio backdoor attacksflowmur
发现论文，激发创造
  • 通过声音元素实现针对语音识别的隐秘后门攻击

    本文提出了利用声调与音色来设计更隐蔽但有效的语音后门攻击方式，通过实验验证了该方法在各种设置下的有效性和隐蔽性。

    Jul, 2023

  • 交易魔鬼：基于随机投资模型和贝叶斯方法的强韧后门攻击

    通过操纵音频的风格属性来欺骗语音识别系统的策略性投资型后门攻击（MarketBack）被研究，实验结果表明，当污染少于 1％的训练数据时，MarketBack 在七个受害模型中可实现接近 100％的平均攻击成功率。

    Jun, 2024

  • 欺骗的艺术：使用动态叠加触发器的强健后门攻击

    通过使用波动的信号采样率和通过动态声音触发器（例如拍手）掩盖说话者身份，DynamicTrigger 被引入为一种执行动态后门攻击的方法，从而确保已损坏的样本与干净的样本无法区分，通过实证测试，证明了 DynamicTrigger 在隐蔽攻击中取得了令人印象深刻的成功率，并在非受损数据集上保持了出色的准确性。

    Jan, 2024

  • 通过语音转换在深度语音分类中进行后门攻击：伪造真实声音

    利用预训练的语音转换模型生成基于样本的触发器，提高了语音后门攻击的效果和安全性。

    Jun, 2023

  • FTA：隐蔽且强大的开关门背门攻击及其对联邦学习的灵活触发

    我们提出了一种新的灵活的触发器方法，利用生成触发器函数来实施偷偷摸摸的反向门攻击，以此来绕过联邦学习的防御机制。本文通过在真实数据集上进行的广泛实验验证了我们的攻击策略在分布式学习框架中的有效性和隐蔽性。

    Aug, 2023

  • 最后之舞：通过扩散模型和贝叶斯方法的强韧后门攻击

    本文研究了基于扩散模型的后门攻击方法，通过注入后门扩散采样和贝叶斯方法到模型的训练数据中，成功地对音频转换器模型进行了攻击。

    Feb, 2024

  • 无声杀手：优化后门触发器从而实现隐蔽而强大的数据投毒攻击

    利用数据污染，添加即便微小干扰也能改变模型原本判断的样本分类，且添加的干扰本身难以被发现，同时在效率上有所提升的神经网络后门攻击方法。

    Jan, 2023

  • 使用样本特定触发器的隐形后门攻击

    本文研究深度神经网络（DNN）中的后门攻击，提出了一种新的攻击方法，生成样本特定且不可见的添加噪声作为后门触发器，证明了该方法可以有效地攻击有或无防御机制的模型。

    Dec, 2020

  • 不可察觉的节奏后门攻击：探索节奏转换在语音识别中嵌入无法检测的漏洞

    研究了语音识别系统中的后门攻击问题，并提出了一种非神经网络快速算法 Random Spectrogram Rhythm Transformation（RSRT），可以生成具有良好掩盖性的恶意语音样本，实验结果表明该方法具有良好的效果和隐蔽性。

    Jun, 2024

  • 输入空间到特征表示的无感后门攻击

    本文提出了一种新颖的隐形后门攻击方法，该方法通过将触发器模式视为一种特殊噪声并以伯努利分布生成参数，从而在不影响正常输入的情况下利用训练集合并夹杂恶意信息，并考虑对多种最新防御措施的效果验证。

    May, 2022