[发明专利]一种基于对抗样本的语音隐写方法

说明书

本发明公开了一种基于对抗样本的语音隐写方法，包括：将噪声δ经编解码器Aa添加到音频X上，生成满足最小化目标函数的音频样本X’，其中，音频X包含内容文本为T，音频样本X’包含需要加密传输的信息S。本发明将所生成的音频对抗样本用于语音隐写领域，具有较高的保密性、隐蔽性、安全性。在通常情况下，第三方无法轻易察觉到加密音频样本存在异常或隐写信息；即便第三方认为该音频样本存在隐写信息，在保障编解码器模型Aa不被窃取的前提下，第三方无法获得其中所隐藏的信息。

技术领域

本发明涉及语音识别、深度学习、信息安全技术领域，具体涉及一种基于对抗样本的语音隐写方法。

背景技术

随着机器学习和深度学习技术的快速发展，自然语言处理技术的应用场景越来越广泛，例如机器翻译、智能客服、情感分析、语音识别等，日常生活中的各个地方都存在着自然语言处理技术的应用。

目前自然语言处理技术的许多发明理论被广泛应用于语音识别领域，最广泛使用的技术包括基于长短时记忆网络(Long Short-Term Memory，LSTM)和连接时序分类(Connectionist Temporal Classification，CTC)的语音识别发明、基于自注意力机制(Transformer)的语音识别发明，可以较为准确地识别出说话者想表达的内容，例如电信运营商智能客服等。目前基于神经网络的语音识别技术已经广泛应用于智能音箱、智能语音助手、车载语音等诸多场景中，语音识别技术的出现客观上解放了人们的双手与眼睛，仅需通过开口说话就可以与机器进行交互，方便了人们的生活。

但是，近年来的一些研究表明，神经网络等人工智能技术存在一定的安全隐患，引起了人们的担忧。例如在图像领域中，卷积神经网络具有脆弱性，攻击者通过添加人眼难以察觉的微小扰动构造对抗样本，对抗样本和原始图像相似性高，人眼难以察觉异常，但使用卷积神经网络识别该对抗样本时，神经网络将以很大的概率将对抗样本识别错，从而产生错误的预测。

此外，许多研究也表明语音识别技术也存在类似的情况。CarliniWagner等人通过向音频中添加微小的噪声，生成的对抗音频不仅让人耳无法察觉到噪声，还能使语音识别系统错误的识别出指定的文本序列。最近学术界提出的一种Commander Song能够将控制命令隐藏在音乐中，并对Google的语音识别系统进行攻击。另一方面，Shreya Khare等人指出在完全不知道系统内部结构的场景下，一种多目标进化优化的对抗样本生成技术也能够对智能语音识别系统构成威胁。这些针对语音识别系统不同的攻击场景均揭示出现代智能语音识别系统的脆弱性。

研究针对语音识别系统等神经网络的攻击具有积极的意义。一方面通过生成对抗样本，可以去评测现有的语音识别系统的稳定性和鲁棒性；另一方面，通过巧妙地利用音频对抗样本自身的特殊性质可以实现隐蔽通信、通信安全等目的。因此，通过研究对语音识别系统生成音频对抗样本的发明，并论证音频对抗样本用于语音隐写领域的安全性和隐秘性，为语音隐写提供一种新的思路和发明。目前主流的语音隐写发明包括：将信息加密压缩到音频比特流中的发明(例如使用MP3stego等工具)、将信息隐藏在频谱图中等。主要技术都是基于传统密码学与信息学的发明，未考虑到利用现代智能语音识别系统的脆弱性实现语音隐写。

发明内容

本发明的目的是为了克服以上现有技术存在的不足，提供了一种具有隐蔽性、保密性和实用性的基于对抗样本的语音隐写方法。

本发明的目的通过以下的技术方案实现：

一种基于对抗样本的语音隐写方法，其特征在于：利用生成对抗样本的方法将噪声δ经编解码器Aa添加到音频X上，生成满足最小化目标函数的音频样本X′，其中，音频X包含内容文本为T，音频样本X′包含需要加密传输的信息S。优选地，我们设置目标函数为dB_X(δ)+c·l(X+δ，S)+d·g(X+δ，T)，然后对其进行最小化。