会议任务专题
ICASSP 2026 - 对抗样本
共 1 篇 ICASSP 2026 对抗样本 方向论文
对抗样本
论文解读
Impact of Phonetics on Speaker Identity in Adversarial Voice Attack
说话人验证 | 7.0/10
论文解读
Listen, But Don't Leak: Sensitive Data Protection for Privacy Aware Automatic Speech Recognition with Acoustic Triggers
语音识别 | 7.5/10
论文解读
Membership Inference Attack against Music Diffusion Models via Generative Manifold Perturbation
音频安全 | 7.5/10
论文解读
PRSA: Preventing Malicious Speaker Recognition and Speech Synthesis Simultaneously with Adversarial Examples
语音匿名化 | 7.0/10
论文解读
RoCo: Robust Code for Fast and Effective Proactive Defense against Voice Cloning Attack
音频安全 | 7.5/10
论文解读
Style Attack Disguise: When Fonts Become a Camouflage for Adversarial Intent
对抗样本 | 7.0/10
论文解读
When Noise Lowers the Loss: Rethinking Likelihood-Based Evaluation in Music Large Language Models
音乐生成 | 7.0/10
论文解读
Benign Fine-Tuning Breaks Safety Alignment in Audio LLMs
这篇论文首次系统研究了良性（无害）音频数据微调对音频大模型安全对齐的破坏作用。**要解决的问题**是：用户出于提升模型性能目的进行的常规微调，是否会无意中破坏模型的安全防护？**方法**上，作者提出了一个基于嵌入空间邻近度的过滤框架，从语义、声学及混合维度，选择性地用与有害内容在表示空间上相近的良性
每日研究速递
语音/音乐/音频论文速递 2026-04-22
共分析 21 篇语音/AI 论文
论文解读
Benign Fine-Tuning Breaks Safety Alignment in Audio LLMs
这篇论文首次系统研究了**良性音频数据微调对音频大模型安全对齐的破坏性影响**。核心问题是：用户出于提升性能的目的，在完全无害的音频数据上微调模型，是否会意外削弱其拒绝有害指令的能力？作者提出了一个**基于嵌入空间邻近性的过滤框架**，通过计算良性音频与有害音频在模型内部或外部参考编码器空间中的距离
论文解读
Hijacking Large Audio-Language Models via Context-Agnostic and Imperceptible Auditory Prompt Injection
这篇论文揭示了针对音频大语言模型（LALM）的一种新型安全威胁：**上下文无关且不可感知的音频提示注入攻击**。攻击者仅需篡改输入音频数据（如会议录音、音乐片段），即可在用户不知情的情况下，劫持模型行