论文题目为“Under the Eaves: User and LLM-”，其第一作者是 2022 级本科生金伟飞。
自动语音识别（ASR）的应用很广泛，这使得大规模的语音监控成为了可能，同时也引发了用户对隐私的担忧。本文主要聚焦于利用对抗样本来减轻在语音通信中，因潜在窃听者而可能导致的未授权语音隐私泄露问题。音频对抗样本已被证明有误导 ASR 模型或规避 ASR 监控的能力。然而，它们通常是通过耗时的离线优化来构建的，这对它们在实时语音通信中的实用性造成了限制。近期的研究通过生成通用对抗扰动（UAP），并增强其在黑盒场景中的迁移性，从而克服了这一限制。这些方法会引入很多噪声，使得音频质量明显降低，同时也影响了人类的感知，所以就限制了它们在实际场景中的有效性。
本文提出了一个新的语音通讯隐私保护框架。这个框架的核心概念是潜在空间中的可迁移通用对抗扰动（LS-TUAP）。它能将扰动转移到潜在空间，从而在很大程度上保持音频质量。此外，本文还提出了目标特征适应方法，把目标文本特征嵌入到扰动中，增强了通用对抗扰动的可迁移性。对四个商用 ASR API（具体的四个 API）、三个广泛使用的语音助手（Apple Siri 以及另外两个语音助手）、两个基于 LLM 的 ASR（Qwen-Audio 和 MooER）和一个最先进的传统 ASR（特定的传统 ASR）这共 10 个 ASR 模型进行了全面评估。评估表明，在保护效果方面优于现有方法，并且客观和主观评估都显示音频质量有显著改善。此外，在实时的端到端场景里能展现出较高的有效性。同时，它对自适应的反制措施有着很好的抵抗作用。
