基于生成对抗网络的音频目标分类对抗OACSCD
Generating adversarial examples in audio object classification using generative adversarial network
音频对抗样本可以用于提高音频目标分类系统的可靠性,然而目前音频对抗样本的感知质量较低,生成质量不能令人满意.为提升音频对抗样本的质量,首次采用生成对抗网络(Generative Adversarial Network,GAN)实现音频目标分类的对抗样本生成.提出用于音频目标分类对抗样本生成的通用GAN框架,将待攻击的分类模型引入GAN.在此基础上,提出基于GAN的分段扰动/整体攻击(GAN-based Segmented-perturbation…查看全部>>
张强;杨吉斌;张雄伟;曹铁勇;梅鹏程
陆军工程大学研究生院,南京,210007陆军工程大学指挥控制工程学院,南京,210007陆军工程大学指挥控制工程学院,南京,210007陆军工程大学指挥控制工程学院,南京,210007陆军工程大学研究生院,南京,210007
信息技术与安全科学
音频信号处理对抗样本音频目标分类生成对抗网络
《南京大学学报（自然科学版）》 2021 (5)
场景自适应智能语音增强研究
793-800,8
国家自然科学基金(62071484)
评论