本文介绍了一种新的基于合成的防御算法，以抵消为挑战尖端语音到文本转录系统的性能而开发的各种对抗性攻击。我们的算法实现了基于Sobolev的GAN，并提出了一种新颖的正规化程序，以有效控制整个生成模型的功能，尤其是训练过程中的鉴别器网络。我们在对受害者DeepSpeech，Kaldi和Lingvo语音转录系统进行众多实验后取得了成就，证实了我们的防御方法的显着性能，以全面的目标和非目标对抗攻击。
translated by 谷歌翻译
本文介绍了一种用于合成包含连续，二进制和离散柱的表格数据集的双鉴别器GaN。我们所提出的方法采用适应的预处理方案和用于发电机网络的新型条件术语，以更有效地捕获输入样本分布。此外，我们为旨在向发电机提供更多辨别型梯度信息的鉴别器网络来实施直接但有效的架构。我们对四个基准测试公共数据集的实验结果证实了我们在可能性健身度量和机器学习效果方面的卓越性能。
translated by 谷歌翻译