通过文本转换的语音命令分析进行语音呈现攻击检测

语音助手正在迅速升级，以支持解锁设备、检查电子邮件和进行支付等高级安全关键命令。在本文中，我们探讨了将用户文本转换的语音命令用作分类特征以帮助识别用户的真实命令并检测可疑命令的可行性。为了保持高检测准确性，我们的方法从一个全局训练的攻击检测模型开始（新用户可以立即使用），并逐渐切换到针对目标用户的语音模式定制的特定用户模型。为了评估准确性，我们使用了一个由260万用户收集的约3460万条语音命令组成的真实世界语音助手数据集。我们的评估结果显示，当使用最优阈值时，该方法能够达到约3.4%的等错误率（EER），并检测到95.7%的攻击。至于那些经常使用安全关键（类似攻击）命令的人，我们仍然能够实现低于5%的EER。