您的语音质量指标有多容易被破解？修正后的协议、基准以及补丁的作用

语音质量预测器越来越多地被用作奖励，但目前还没有一致的衡量其可破解性的衡量标准。通常的测量有两个缺陷。首先，扰动通过处理链（这里是神经编解码器）到达预测器，该处理链会自行改变分数，根据攻击的原始输入费用进行评分。相反，参考未受干扰的往返行程，可将测量到的可攻击性改变多达四倍（一次防御为 0.31 至 0.08）。其次，一名训练有素的攻击者是一个样本，而不是一种测量：五名攻击者仅在随机种子方面有所不同，针对一个固定预测变量的成功率达到 0.00 到 0.38，因此防御主张需要最坏的情况。在此协议下，四个已发布的预测器差异很大：NISQA 90% 的话语被黑客攻击，SSL-MOS 被黑客入侵 21%，DNSMOS 被黑客入侵 14%，UTMOS 被黑客攻击 6%。然后我们审核一个封闭的攻击-检测-补丁循环。它仅在自己的攻击空间中强化预测器，其强化程度小于攻击者之间的传播；随机扰动基线与其匹配；域外花费高达 0.30 系统 SRCC。增强剂 针对修补的预测器进行后训练，对它们的攻击要少得多（PESQ -0.03 与 -0.23）。代码、预注册和运行输出已发布。