論文の概要: Room for Error: Large-Scale Simulation of Over-the-Air Acoustic Attacks

• arxiv url: http://arxiv.org/abs/2606.27701v2
• Date: Tue, 30 Jun 2026 23:02:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-02 15:15:53.05332
• Title: Room for Error: Large-Scale Simulation of Over-the-Air Acoustic Attacks
• Title（参考訳）: エラーのための部屋: オーバー・ザ・エア・アコースティック・アタックの大規模シミュレーション
• Abstract要約: 本稿では,Whisper と wav2vec で単語誤り率の相対値が94.5%まで上昇することを示す。 このことは、音響環境を抽象化するよりもむしろ受け入れる、繰り返し検証可能な研究の基盤となる。
• 参考スコア（独自算出の注目度）: 18.314819451728532
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: While voice control is rapidly becoming a ubiquitous vector of human-AI communication, the risks facing these systems remain poorly understood. This is, in part, a product of the difficulties in scaling strictly digital adversarial workflows to the physical world. These scale barriers have led the community to abstract away key acoustic factors relating to detectability and the influence of geometry on acoustics. These methodological and metrological shortcomings undermine our understanding of risk. We illuminate these issues through real-world testing, conceptual discussions, and a novel, high-throughput reality simulation framework. By testing over 8 million adversarial evaluations, we demonstrate that acoustic awareness yields relative Word Error Rate increases of up to 94.5\% under Whisper and wav2vec. We employ this framework to explore a formalize and operationalize a Dual-Form Signal to Noise Ratio to decouple source stealth from victim attack efficacy, resolving a crucial limitation in current works. This lays the groundwork for repeatable, verifiable research that embraces, rather than abstracts, the acoustic environment.
• Abstract（参考訳）: 音声制御は人間とAIのコミュニケーションにおいて急速にユビキタスなベクトルになりつつあるが、これらのシステムに直面するリスクはいまだに理解されていない。 これは部分的には、厳密なデジタル敵ワークフローを物理的な世界に拡張することの難しさの産物である。 これらのスケール障壁により、コミュニティは、検出可能性と幾何学が音響に与える影響に関連する重要な音響要素を抽象化した。 これらの方法論的および気象学的欠点は、我々のリスクに対する理解を損なう。 実世界のテスト,概念的議論,そして新しい高スループット現実シミュレーションフレームワークを通じて,これらの問題を照明する。 800万以上の敵対的評価を検証した結果,Whisperおよびwav2vec下での単語誤り率の相対的増加率は94.5\%であることがわかった。 我々はこの枠組みを用いて、ソースステルスを被害者の攻撃効果から切り離し、現行の作業において重要な制限を解消するために、デュアルフォーム信号からノイズ比への公式化と運用を行う。 このことは、音響環境を抽象化するよりもむしろ受け入れる、繰り返し検証可能な研究の基盤となる。

関連論文リスト

• Detecting Adversarial Data via Provable Adversarial Noise Amplification [17.658093330392052]
  ディープニューラルネットワークの層にまたがる対向ノイズの不均一な影響は、対向入力を検出し、堅牢性を向上させるために文献に使われている。 本稿では,正反対の雑音増幅定理を提案し,推論時に完全に動作する新しい軽量検出機構を提案する。 提案手法の有効性を検証するため, 最先端攻撃と汎用的な適応攻撃の両方に対して, 検出器の有効性を実証した。
  論文  参考訳（メタデータ） (2026-05-04T00:08:05Z)
• The Acoustic Camouflage Phenomenon: Re-evaluating Speech Features for Financial Risk Prediction [0.0]
  遠隔会議環境における高度に訓練された話者に適用した場合の音響的特徴抽出の限界について検討する。 後期核融合による音響特性の統合により性能が著しく低下し,47.08%のリコールが減少した。 我々はこの劣化をアコースティック・カモフラージュとみなし,マルチモーダル・メタ・ラーナーを妨害する矛盾する雑音をメディア訓練による発声規則で導入する。
  論文  参考訳（メタデータ） (2026-04-16T04:59:36Z)
• A Synergistic Framework of Nonlinear Acoustic Computing and Reinforcement Learning for Real-World Human-Robot Interaction [15.759904937490832]
  本稿では, 非線形音響計算と強化学習を統合し, 複雑な雑音と残響下での人間とロボットの相互作用を強化する新しい枠組みを提案する。 提案システムは,AIハードウェア,ロボット,マシンオーディション,人工オーディション,ブレイン・マシン・インタフェースの幅広い応用可能性を示す。
  論文  参考訳（メタデータ） (2025-05-04T06:03:12Z)
• A Knowledge-guided Adversarial Defense for Resisting Malicious Visual Manipulation [93.28532038721816]
  視覚的操作の悪意ある応用は、多くの分野でユーザーのセキュリティと評判に深刻な脅威をもたらしている。 本稿では,悪質な操作モデルを積極的に強制し,意味論的に混乱したサンプルを出力するために,知識誘導型敵防衛(KGAD)を提案する。
  論文  参考訳（メタデータ） (2025-04-11T10:18:13Z)
• An Integrated Algorithm for Robust and Imperceptible Audio Adversarial Examples [2.2866551516539726]
  実効性のある音声ファイルが生成され、認識性や頑健性に関して微調整される。 本稿では,心理音響モデルと室内インパルス応答(RIR)を用いた統合アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-10-05T06:59:09Z)
• NPVForensics: Jointing Non-critical Phonemes and Visemes for Deepfake Detection [50.33525966541906]
  既存のマルチモーダル検出手法は、Deepfakeビデオを公開するために、音声と視覚の不整合をキャプチャする。 NPVForensics と呼ばれる非臨界音素とビセムの相関関係を抽出する新しいディープフェイク検出法を提案する。 我々のモデルは、微調整で下流のDeepfakeデータセットに容易に適応できる。
  論文  参考訳（メタデータ） (2023-06-12T06:06:05Z)
• End-to-End Binaural Speech Synthesis [71.1869877389535]
  本稿では,低ビットレート音声システムと強力なデコーダを組み合わせたエンドツーエンド音声合成システムを提案する。 実感的な聴覚シーンを作るために必要な環境効果を捉える上で, 対人的損失がもたらす効果を実証する。
  論文  参考訳（メタデータ） (2022-07-08T05:18:36Z)
• AS2T: Arbitrary Source-To-Target Adversarial Attack on Speaker Recognition Systems [15.013763364096638]
  近年の研究では、敵対的攻撃に対する話者認識システム(SRS)の脆弱性が照らされている。 すべての設定をカバーするこのドメインの最初の攻撃であるAS2Tを紹介します。 本研究は, 無線通信において発生した可能性のある歪みについて検討し, 異なるパラメータの異なる変換関数を用いて, その歪みをモデル化し, 逆声の発生に組み込む。
  論文  参考訳（メタデータ） (2022-06-07T14:38:55Z)
• Towards Adversarially Robust Deep Image Denoising [199.2458715635285]
  本研究は,ディープ・イメージ・デノイザ(DID)の対角的ロバスト性について系統的に検討する。 本稿では,観測に基づくゼロ平均アタック(sc ObsAtk)という新たな敵攻撃を提案する。 DIDを頑健化するために,DIDと非対向雑音データとを併用したハイブリッド対向訓練(sc HAT)を提案する。
  論文  参考訳（メタデータ） (2022-01-12T10:23:14Z)
• Towards Robust Speech-to-Text Adversarial Attack [78.5097679815944]
  本稿では,DeepSpeech,Kaldi,Lingvoなど,最先端の音声テキストシステムに対する新たな逆アルゴリズムを提案する。 本手法は, 逆最適化定式化の従来の歪み条件の拡張を開発することに基づいている。 元のサンプルと反対のサンプルの分布の差を測定するこの測定値の最小化は、正統な音声記録のサブスペースに非常に近い作成信号に寄与する。
  論文  参考訳（メタデータ） (2021-03-15T01:51:41Z)
• Towards Understanding the Adversarial Vulnerability of Skeleton-based Action Recognition [133.35968094967626]
  骨格に基づく行動認識は、動的状況への強い適応性から注目を集めている。 ディープラーニング技術の助けを借りて、かなり進歩し、現在、良識のある環境で約90%の精度を達成している。 異なる対角的環境下での骨格に基づく行動認識の脆弱性に関する研究はいまだ研究されていない。
  論文  参考訳（メタデータ） (2020-05-14T17:12:52Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。