gard-adversarial-speaker-id：针对深度说话者识别系统的对抗攻击与防护策略

简介：
本文探讨了深度学习技术在说话者识别系统中的应用，并提出了针对性的对抗攻击方法及有效的防护策略。 本存储库包含了针对基于深度神经网络的说话者识别模型执行时域对抗攻击的源代码，并通过对抗性训练及对抗性Lipschitz正则化提供了防御策略的具体实现方法。这些核心算法及其具体实施方式均参考了相关文献中的原始设计。 我们对深层说话者识别系统在面对各种最先进的白盒型对抗攻击（如FGSM、PGD和Carlini-Wagner）时的脆弱性进行了全面分析，特别关注特征层面的时域对抗攻击效果。此外，我们也详细比较了几种针对深度说话者识别系统的防御对策，包括对抗训练及对抗Lipschitz正则化，并探讨了这些策略的有效性和可转移性。 在进行上述研究的同时，我们还开展了一系列消融实验以深入理解不同因素对模型性能的影响，例如通过改变PESQ分数来调整攻击强度。