🛡 حمله مخفیانه به هوش مصنوعی: وقتی مدل‌های صوتی فریب می‌خورند!

⚠️ هشدار به محققان: چرا دقت مدل‌های شناسایی پهپاد گاهی «واقعی» نیست؟

محققان در مطالعه‌ای جدید، یک تهدید امنیتی جدی برای مدل‌های تشخیص گفتار کشف کرده‌اند. روش جدیدی به نام Pmeta-TLA معرفی شده که با استفاده از «نشت تیمبر» (Timbre Leakage)، می‌تواند در مدل‌های صوتی «در پشتی» (Backdoor) ایجاد کند.

این روش به قدری هوشمندانه عمل می‌کند که نمونه‌های دستکاری‌شده کاملاً طبیعی به نظر می‌رسند و توسط سیستم‌های دفاعی هم شناسایی نمی‌شوند. این یافته اهمیت امنیت در سیستم‌های صوتی هوشمند و ابزارهای تشخیص گفتار را بیش از پیش نمایان می‌کند.

منبع: arXiv AI