[发明专利]一种语音对抗样本生成方法有效
| 申请号： | 201910579740.8 | 申请日： | 2019-06-28 |
| 公开（公告）号： | CN110379418B | 公开（公告）日： | 2021-08-13 |
| 发明（设计）人： | 张国和;匡泽杰;朱聚卿;梁峰 | 申请（专利权）人： | 西安交通大学 |
| 主分类号： | G10L15/16 | 分类号： | G10L15/16;G10L15/06;G10L15/02;G10L25/24;G06N3/04;G06N3/08 |
| 代理公司： | 西安通大专利代理有限责任公司 61200 | 代理人： | 姚咏华 |
| 地址： | 710049 *** | 国省代码： | 陕西;61 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种语音对抗样本生成方法，包括读取输入的语音数据，并对其进行预处理操作，提取输入语音数据的语音特征值；加载DeepSpeech语音识别系统的深度神经网络模型和参数，同时将提取的语音特征值输入到DeepSpeech语音系统中，计算每帧输入语音数据识别结果的概率分布，并根据该结果与给定目标值之间的CTC Loss初始化误差值和误差阈值，并对误差值以及生成的对抗样本进行钳位操作；构建语音对抗样本生成算法的损失函数，并多次迭代，对误差值进行更新；若生成的对抗样本的识别结果为给定的目标值，则减小误差阈值进行阈值误差更新，继续迭代直至迭代结束输出结果。本算法生成的对抗样本与原始样本的相似度更高。 | ||
| 搜索关键词： | 一种 语音 对抗 样本 生成 方法 | ||
【主权项】：
1.一种语音对抗样本生成方法，其特征在于，包括以下步骤：步骤1，读取输入的语音数据，并对输入的语音数据进行预处理操作，提取输入语音数据的语音特征值；步骤2，加载DeepSpeech语音识别系统的深度神经网络模型和参数，同时将提取的语音特征值输入到DeepSpeech语音系统中，计算每帧输入语音数据识别结果的概率分布，并根据该概率分布计算识别结果与给定目标值之间的CTC Loss；步骤3，初始化误差值和误差阈值，并对误差值以及生成的对抗样本进行钳位操作；步骤4，构建语音对抗样本生成算法的损失函数，并采用神经网络训练中的优化器进行多次迭代，以此来减小该损失函数，并对误差值进行更新；步骤5，在迭代过程中，若生成的对抗样本的识别结果为给定的目标值，则减小误差阈值进行阈值误差更新，继续进行迭代，直至迭代结束；迭代结束后，输出最终的对抗样本结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于西安交通大学，未经西安交通大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910579740.8/，转载请声明来源钻瓜专利网。
- 上一篇：人工智能操作系统
- 下一篇：基于卷积神经网络的语音特征匹配方法
