音频安全

论文提出以语速、情感、噪声、口音、音量等声学特征为触发器的后门攻击框架 HIN 与 AudioSafe 评测，在 5% 投毒下语速与情感触发达到 100% 攻击成功率而音量触发不足 6.2%，且训练损失几乎不波动，代价是防御仍需在安全性与可用性之间权衡。

针对闭集说话人识别的投毒后门问题，论文用时域上的频率调制与幅度调制构造全局平滑触发，在中毒率 0.05 等条件下报告数字与物理场景的高攻击成功率，同时保持良性准确率下降有限，但干净标签等更难设置的性能明显走弱。

论文把同一恶意叙事分别用文本、中性语音和五种心理风格语音送入端到端音频大模型，用三数据集攻击成功率证明讲法改变服从性，在 Gemini 上达到 98.26% 而代价是小模型解码不稳定与手工风格难优化。

针对扩散语音克隆的先验防御梯度消失与动态条件问题，VoiceCloak 用异性中心引导加注意力上下文发散做身份混淆、用分数幅值放大加噪声引导语义破坏做质量降级，在相同扰动预算下报告了更高的防御成功率，但保护音频本身仍需付出可感知性代价。

论文把音频水印威胁从删除与伪造推进到再嵌入伪造消息并劫持归属的覆盖攻击，在 AudioSeal、Timbre、WavMark 上按白盒、灰盒、黑盒验证了接近 100% 的原水印失效率，代价是暴力堆叠会让信噪比明显下降而查询筛选能省下一半以上训练开销。

GhostWord 用约 400 毫秒触发音与目标词的码本做词级时间定位投毒，在 Common Voice 英、立陶宛语和多种骨干上报告约 89.3% 攻击成功率，而 ABL、ANP、SAU、I-BAU 等优化防御把成功率压到约 29.1% 时干净 WER 从约 21.5% 升到约 45.0%。

针对语音/音乐/环境声的神经音频水印，DiffErase 在不查询检测器且不知水印方案的黑盒条件下，通过梅尔频谱的中间噪声扰动与预训练扩散去噪重生实现去除，并在五种水印系统上将检测 TPR 降至近 0 的同时以 t* 控制保真度代价。

针对检索增强的文本到音乐生成中用检索到的标题改写用户高层提示的依赖，论文提出保留高层锚点并注入低层声学描述的双层标题投毒，使投毒后生成音频与攻击目标类别的 CLAP 相似度从 0.21-0.28 提升到 0.41-0.48，同时与原始用户问题的相似度维持在约 0.30 附近。

音频安全 | 8.3/10

音频隐写分析 | 7.4/10

语音伪造检测 | 7/10

音频安全 | 8.7/10

Asymmetric Phase Coding Audio Watermarking

音频深度伪造检测 | 6.5/10

信号处理 | 7.5/10

音频安全 | 7.5/10

音频安全 | 7.5/10

说话头伪造检测 | 7.5/10

音频安全 | 7.0/10

共 1 篇 ICLR 2026 音频安全 方向论文