TransferBreaker微调框架抵御ASR对抗迁移攻击
热点事件持续更新
TransferBreaker微调框架抵御ASR对抗迁移攻击
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
Mojtaba Nafez 等研究者提出 TransferBreaker 微调框架，用于阻断在公开预训练语音识别（ASR）模型上生成的对抗扰动向微调后目标模型的迁移。该框架由三个组件构成：Base Adversarial Fine-Tuning 将对抗训练限制在基础模型有效的扰动上，Latent Jacobian Regularization 通过抑制对抗敏感方向来约束潜空间不变性，HybridGrad-AFT 则在基础梯度与目标梯度间插值可迁移扰动，以抵御自适应攻击。 研究者在三种语言和四个大型 ASR 模型上测试，称对抗词错误率（WER）从 92.6 降至 27.8，代码已公开。
AI 根据报道生成 · 2 小时前更新
最新进展10月8日 12:00
TransferBreaker：阻断微调语音识别中的对抗迁移性报道时间线
沿着报道，了解事件的不同侧面。
10月8日
- arXiv：cs.LGTransferBreaker：阻断微调语音识别中的对抗迁移性
研究者提出 TransferBreaker 微调框架，用于阻断在公开预训练 ASR 模型上生成的对抗扰动向微调后目标模型的迁移。该框架整合 Base Adversarial Fine-Tuning、Latent Jacobian Regularization 与 HybridGrad-AFT 三个组件，在三种语言和四个大型 ASR 模型上将对抗 WER 从 92.6 降至 27.8，代码已公开。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。