Ouroboros: Self-Referential Backdoor Attacks on Speech Enhancement via Clean Audio Triggers
本文提出了一种名为 Ouroboros 的新型后门攻击框架，专门针对语音增强（Speech Enhancement）模型。语音增强模型通常作为实时语音服务的前端模块，用于降噪和语音质量提升，但以往的后门攻击研究主要集中于分类任务，且依赖主动
#audio-security
共收录 4 条相关情报。
← 返回所有主题Perception-Aware Attack: Creating Adversarial Music via Reverse-Engineering Human Perception.
本文提出了一种新颖的“感知感知攻击”框架，用于生成对抗性音乐样本，在保持攻击有效性的同时，尽可能降低人耳感知到的音频质量损失。传统对抗性机器学习攻击通常只关注通过添加微小噪声扰动来欺骗音频分类器（如语音识别、说话人识别、音乐版权检测），但很
Robust Detection of Machine-induced Audio Attacks in Intelligent Audio Systems with Microphone Array.
本文针对智能音频系统面临的各种机器诱导音频攻击（包括重放攻击、合成攻击、隐藏语音命令、不可听攻击和音频对抗样本）提出了一种统一的检测方案。现有防御通常针对单一攻击类型，难以整合成通用方案。智能设备（如Amazon Echo、Apple Ho
Hijacking Large Audio-Language Models via Context-Agnostic and Imperceptible Auditory Prompt Injection.
本文揭示了一种针对大型音频-语言模型（LALMs）的新型安全威胁——听觉提示注入（auditory prompt injection）。与传统的文本提示注入不同，攻击者可以在连续的、高维度的音频信道中嵌入恶意指令，且这些指令在上下文无关和感