本文提出 SpeechGuard，首个针对语音识别模型的在线后门防御流水线。后门攻击通过在训练阶段注入少量恶意样本，使模型在遇到特定触发器时输出攻击者指定的错误结果，这在自动驾驶语音交互等安全敏感场景中危害极大。SpeechGuard 针对音频信号特性，设计了两阶段防御：第一阶段基于改进的 STRIP 方法（S-STRIP），通过自适应扰动注入检测并过滤被投毒的音频样本；第二阶段利用时频（T-F）掩码抑制触发器信号的表达，并基于自编码器自动生成掩码，从而净化中毒样本，即使输入含有触发器的语音也能得到正确预测。实验表明，SpeechGuard 能准确过滤中毒样本，显著缓解后门威胁，同时保持较高的预测精度。