[发明专利]采用深度学习的超声攻击检测

权利要求书

1.一种使能语音启用设备的安全操作的设备，包括：

用于由语音启用设备的超声攻击检测器从一个或多个麦克风接收音频流并且从关键字检测器接收分段信号的装置，所述分段信号指出检测到的关键字在所述音频流内的位置；

用于由所述超声攻击检测器对所述音频流的包括所述检测到的关键字的分段部分进行预处理以获得频谱图的装置；以及

用于由所述超声攻击检测器利用所述频谱图作为输入来运行神经网络分类器的装置，所述神经网络分类器把真实人类语音与由所述语音启用设备上的超声攻击造成的互调失真产物辨别开。

2.如权利要求1所述的设备，其中，所述关键字检测器利用机器学习和自动语音识别技术来识别用于激活或触发所述语音启用设备做出响应的关键字并且将所述分段信号输出到所述超声攻击检测器。

3.如权利要求1所述的设备，其中，所述神经网络分类器包括两个输出类别，第一输出类别发射海豚攻击信号并且第二输出类别发射真实人类语音信号。

4.如权利要求1所述的设备，其中，所述神经网络分类器被训练为辨识由超声攻击造成的互调失真和真实人类语音。

5.如权利要求1所述的设备，其中，用于预处理的装置包括以下各项中的一项或多项：用于从所述音频流的所述分段部分消除非零直流DC偏置电平的装置，用于提升所述音频流的所述分段部分的信号电平的装置，用于对所述音频流的所述分段部分进行波束成形的装置，以及用于对所述音频流的所述分段部分执行声学回波消除的装置。

6.如权利要求1所述的设备，其中，所述神经网络分类器包括递归拓扑结构，该递归拓扑结构具有递归层，用来提取特征、学习模式、学习帧之间的时间依从性、并且从所述频谱图捕捉高阶依从性和高水平的抽象。

7.如权利要求6所述的设备，其中，所述神经网络分类器包括非线性激活函数，所述非线性激活函数被策略性地放置在所述递归层内以从所述频谱图学习复杂依从性。

8.如权利要求1所述的设备，还包括：

用于对所述神经网络分类器进行打分的装置；

用于计算攻击得分的装置；以及

用于将所述攻击得分与预定阈值相比较的装置，其中，当所述攻击得分低于所述预定阈值时，所述设备还包括：

用于将所述检测到的关键字辨识为超声攻击的装置；以及

用于拒绝所述检测到的关键字以防止攻击者在所述语音启用设备上执行恶意命令的装置。

9.如权利要求8所述的设备，其中，如果所述攻击得分等于或好于所述预定阈值，则所述设备还包括：

用于将所述检测到的关键字辨识为真实人类语音的装置；以及

用于将所述检测到的关键字作为检测到关键字触发而输出以触发来自所述语音启用设备的响应的装置。

10.如权利要求1所述的设备，其中，海豚攻击模拟被用于生成数据来训练所述神经网络分类器，其中所述海豚攻击模拟对输入语音基带信号x(t)建模，其中通过对所述输入语音基带信号x(t)进行上采样并且将该信号调制到超声频带和相应的载波频率中以无线地发送到被攻击设备来将所述输入语音基带信号x(t)建模为超声攻击信号y(t)，其中在所述被攻击设备处，通过对y(t)进行滤波和下采样以获得x’(t)来将所述信号y(t)建模为包含互调失真，其中x’(t)表示在已发生攻击之后的所述被攻击设备的模型。

11.一种增强语音启用设备的方法，包括：

由语音启用设备的超声攻击检测器从一个或多个麦克风接收音频流并且从关键字检测器接收分段信号，所述分段信号指出检测到的关键字在所述音频流内的位置；

由所述超声攻击检测器对所述音频流的包括所述检测到的关键字的分段部分进行预处理以获得频谱图；并且

由所述超声攻击检测器利用所述频谱图作为输入来运行神经网络分类器，所述神经网络分类器把真实人类语音与由所述语音启用设备上的超声攻击造成的互调失真产物辨别开。