arXiv 机器学习· Mojtaba Nafez, Aref Mousavi, Mohammad Ebrahim Mahdavi, Mobina Poulaei, Kiarash Kiani Feriz, Mohammad Hossein Rohban·· 6 小时前AI 评分37
打破微调语音识别中的对抗可迁移性
Breaking Adversarial Transferability in Fine-Tuned Speech Recognition
AI 导读
研究人员提出统一微调框架 TransferBreaker，用于阻断公开基础模型的对抗扰动向微调 ASR 模型的迁移。该框架整合了基础对抗微调、隐空间雅可比正则化与 HybridGrad-AFT 机制，在 3 种语言和 4 个大型 ASR 模型上将对抗 WER 从 92.6 降低至 27.8。目前该研究的相关代码已公开发布。
来源：arXiv 机器学习 · arxiv.org