学习规避：对音频水印的自适应攻击

生成音频的进步加剧了版权问题，使得音频水印对于主张所有权变得越来越重要。然而，现有的音频水印方法容易受到对抗性攻击。我们发现水印解码器消息概率遵循正态分布，这是防御措施用来检测操纵的属性。本文介绍了一种旨在绕过现有防御策略的自适应音频水印攻击方法（AWM）。 AWM 采用两阶段优化：第一阶段确保攻击成功，第二阶段提高音频质量。为了逃避检测，它从目标音频的有限样本中估计正态分布参数，然后自适应地将解码的概率引导回估计范围。通过对三个语音数据集的两种水印方法进行评估，AWM 在绕过最先进的检测器的同时取得了很高的成功：替换和创建的检测率低于 10%，删除的检测率低于 0%。