面向自動(dòng)語(yǔ)音識(shí)別系統(tǒng)的對(duì)抗樣本生成方法

摘要： 通過(guò)對(duì)系統(tǒng)進(jìn)行對(duì)抗攻擊可以檢測(cè)系統(tǒng)漏洞，進(jìn)而提高系統(tǒng)魯棒性。然而，對(duì)抗攻擊前往往需要系統(tǒng)的參數(shù)信息，這使得攻擊條件受限。為此，結(jié)合一種新的量子粒子群優(yōu)化算法，提出一種黑盒有目標(biāo)對(duì)抗攻擊方法。該方法通過(guò)在原始樣本中添加微小噪聲，構(gòu)造差異化粒子群，作為初始對(duì)抗樣本種群；基于記憶搜索的領(lǐng)域重分布策略得到當(dāng)前種群的全局最優(yōu)粒子，從而生成初始對(duì)抗樣本；融入擴(kuò)維和自適應(yīng)權(quán)重位置更新，使得種... （共11頁(yè)）