[发明专利]基于语音增强算法的对抗样本攻击防御方法及装置

说明书

本发明实施例提供基于语音增强算法的对抗样本攻击防御方法及装置，可以获取待识别语音样本与待识别语音样本的频谱特征；根据待识别语音样本的频谱特征，通过预设算法对待识别语音样本进行噪声频谱的计算，并利用计算得到的估计噪声频谱对待识别语音样本进行去噪，得到去噪后的语音样本，其中，算法包括基于连续最小值跟踪的谱减法与结合语音存在概率的对数最小均方误差算法MMSE算法；通过预先训练的语音识别模型对去噪后的语音样本进行识别，得到识别结果。从而通过获取待识别语音样本后对待识别语音样本进行去噪处理后，通过对去噪后的语音样本进行识别，增加语音识别准确率，提高防御对抗样本攻击的效率。

技术领域

本发明涉及信息技术领域，特别是涉及基于语音增强算法的对抗样本攻击防御方法及装置。

背景技术

目前，随着语音识别技术的快速发展，其用处已经越来越广泛。语音识别技术可以为人们的生活提供各种各样的服务，并且语音识别技术也大大提高了人机交互的效率。然而当攻击者通过在语音样本中加入一些特意制作的小的噪声生成对抗样本时，就可能会使精心制作的神经网络产生错误的识别结果。

然而现有技术对语音样本识别时，一般直接通过训练好的网络模型对语音样本进行识别，对于对抗样本的识别效果往往并不好，甚至会出现语音失真，识别结果错误等。

发明内容

本发明实施例的目的在于提供基于语音增强算法的对抗样本攻击防御方法及装置，以实现增加语音识别准确率的目的。具体技术方案如下：

在本申请实施的第一方面，首先提供了一种基于双层卷积神经网络的自动化威胁情报提取方法，包括：

获取待识别语音样本与待识别语音样本的频谱特征；

根据待识别语音样本的频谱特征，通过预设算法对待识别语音样本进行噪声频谱的计算，并利用计算得到的估计噪声频谱对待识别语音样本进行去噪，得到去噪后的语音样本，其中，算法包括基于连续最小值跟踪的谱减法与结合语音存在概率的对数MMSE算法；

通过预先训练的语音识别模型对去噪后的语音样本进行识别，得到识别结果。

可选的，根据待识别语音样本的频谱特征，通过预设算法对待识别语音样本进行噪声频谱的计算，并利用计算得到的估计噪声频谱对待识别语音样本进行去噪，得到去噪后的语音样本，包括：

根据待识别语音样本的频谱特征，通过基于连续最小值跟踪的谱减法对待识别语音样本进行噪声频谱的计算，得到第一估计噪声频谱；

根据第一估计噪声频谱对待识别语音样本进行去噪，得到第一语音样本；

根据第一语音样本，通过结合语音存在概率的对数MMSE算法对第一语音样本进行噪声频谱的计算，得到第二估计噪声频谱；

根据第二估计噪声频谱对第一语音样本进行去噪，得到去噪后的语音样本。

可选的，根据待识别语音样本的频谱特征，通过预设算法对待识别语音样本进行噪声频谱的计算，并利用计算得到的估计噪声频谱对待识别语音样本进行去噪，得到去噪后的语音样本，包括：

根据待识别语音样本的频谱特征，通过结合语音存在概率的对数MMSE算法对待识别语音样本进行噪声频谱的计算，得到第三估计噪声频谱；

根据第三估计噪声频谱对待识别语音样本进行去噪，得到第三语音样本；

根据第三语音样本，通过基于连续最小值跟踪的谱减法对第三语音样本进行噪声频谱的计算，得到第四估计噪声频谱；

根据第四估计噪声频谱对第三语音样本进行去噪，得到去噪后的语音样本。

可选的，待识别语音样本的频谱特征包括所述待识别语音样本的相位，根据第一估计噪声频谱对待识别语音样本进行去噪，得到第一语音样本，包括：