MÉTODOS ROBUSTOS CONTRA ATAQUES ADVERSÁRIOS NA CLASSIFICAÇÃO DE EMOÇÕES EM ÁUDIO

Abstract

Ataques adversários podem ter um efeito prejudicial no desempenho de redes neurais, e há pouco estudo no comportamento específico desses padrões na classificação de emoções em áudio. Este artigo apresenta, analisa e compara vários métodos de defesa contra ataques adversários comuns. Resultados experimentais mostram que, através dessas técnicas, é possível mitigar o impacto de ataques que normalmente diminuiriam acurácia em mais de 75%, para apenas baixar a acurácia em 10% após sua aplicação. Além disso, no artigo é descrito como isso não é apenas relevante para robustez contra ataques individuais, mas também para a robustez do sistema contra pequenas mudanças no geral.