Multi-objective optimization collaborating with deep reinforcement learning: Adversarial audio attacks

Pengchuan Wang

doi:10.1016/j.neucom.2025.131124

Multi-objective optimization collaborating with deep reinforcement learning: Adversarial audio attacks

2025-08-09

0

PRE

AI

DOI：10.1016/j.neucom.2025.131124

原文链接

原文求助

摘要

En 中文

随着人机语音交互的日益普及，语音转文本（STT）系统中自动语音识别（ASR）模型的安全性已成为一个关键问题。由于噪声干扰、查询效率低下以及对语音时序特征的考虑有限，生成具有针对性和隐蔽性的对抗语音样本面临着重大挑战。本文提出了一种新颖的黑盒生成音频攻击方法——对抗音频攻击中的深度Q网络驱动多目标优化（DQMOA）。首次将深度强化学习整合到对抗音频攻击中。通过利用深度Q网络的能力将解空间映射到攻击行为，并结合奖励与惩罚机制及经验池，DQMOA为多目标遗传算法提供了最优决策。该方法显著减少了查询次数，实现了高攻击成功率，并确保了低字错误率和优异的语音自然度。在Mozilla Common Voice和LibriSpeech数据集上，对三个商用ASR平台进行了广泛评估，结果显示DQMOA始终优于五个当前最佳基线方法。进一步的实验在Whisper large-v2/v3和真实世界空中传输场景中进行，证明了其强大的泛化能力和实际适用性。DQMOA在查询次数减少10%以上的情况下实现了高攻击成功率，同时保持了低字错误率和高质量的主观音频质量。这些发现凸显了强化学习引导的进化优化在生成鲁棒且隐蔽的对抗音频攻击方面的潜力。

Keyword:

adversarial audio attack

deep reinforcement learning

black-box attack

automatic speech recognition

multi-objective optimization

Multi-objective optimization collaborating with deep reinforcement learning: Adversarial audio attacks

摘要

期刊

机构

引用论文