Smart Sound Guardian
物联网语音安全领航者
2024年"中国高校计算机大赛-网络技术挑战赛" 作品
项目背景
在当前5G通信技术和边缘计算技术迅猛发展的背景下，我们正迈向一个更加智能的物联网时代。随着物联网技术的普及，智能语音市场规模逐年扩大，"语音控制"这一概念已经深入人心，广泛应用于多个领域。然而，随着便利性的提升，也出现了新的安全隐患——智能语音攻击。
智能语音攻击是指恶意攻击者通过无声远程操控的方式，入侵智能设备的语音控制系统。这种攻击方式不仅难以识别、难以预知，而且隐蔽性极高，可能带来严重后果，如窃取个人隐私、造成财产损失，甚至威胁生命安全。令人担忧的是，现有的智能语音助手在面对智能语音攻击时，安全性测试结果不尽如人意，所有测试通过率为0。
语音攻击带来的挑战
- 隐私泄露： 智能语音设备可能成为攻击者窃取用户个人隐私信息的工具。
- 财产损失： 恶意攻击可能导致语音控制支付功能被滥用，给用户造成经济损失。
- 安全威胁： 攻击者通过入侵智能家居或车载系统，可能对用户的人身安全构成威胁。
智能语音攻击的识别难度极大，传统防御手段在面对这些新型威胁时显得力不从心。因此，迫切需要一个更加智能化且高效的解决方案，来应对这些日益增长的安全挑战。
Smart Sound Guardian 的解决方案
针对现有语音攻击防御中的识别精度低、无法提供预警、难以溯源等问题，我们设计并提出了Smart Sound Guardian系统。该系统结合了多维语音特征提取、语义分析、实时数据监测和机器学习算法，提供了以下核心功能：
- 智能语音攻击检测模型： 基于SVM的音频分类算法，通过频率、能量和波动性等特征对用户音频进行多维度分析，检测并过滤攻击性语音。
- 群智感知搜集监测平台： 通过本地存储和感知任务的实时监测，解决了数据搜集难及隐私保护的难题，全方位升级智能语音安全生态。
- 攻击态势识别预警系统： 基于CAM映射和GRU时序模型，实时标记攻击高危区域，并预测潜在攻击态势，及时发出预警。
系统核心技术
Smart Sound Guardian系统通过以下三大核心技术模块，构建了完整的语音攻击防御体系：
- 基于SVM的音频分类算法： 我们通过提取音频的频率、能量和波动性等特征，并使用SVM分类器，将用户音频分为正常音频、超声波攻击、模糊指令攻击和机器学习攻击四类。
- 群智感知预警模式： 针对语音攻击数据搜集难、涉及隐私的痛点，我们通过本地存储、实时监测和群智感知的方式，有效提升了语音安全覆盖范围及预警能力。
- 攻击态势识别预测模型： 通过CAM映射标记攻击关键区域，并结合GRU时序模型预测高危范围，精准实现攻击态势识别与预警。
研究成果与应用
通过多次实验验证，Smart Sound Guardian系统表现出了卓越的性能，以下是我们的研究成果：
- 高识别率： 实验数据显示，系统在检测语音攻击时的平均准确率达到88.7%，最高准确率可达96.2%。
- 低误报率： 通过优化模型，系统的误报率保持在5%以下，大幅降低了误报警告的发生率。
- 可视化工具： 系统集成了智能语音态势可视化功能，帮助用户实时了解当前安全状态，并对潜在威胁作出及时响应。
产学研一体
我们的Smart Sound Guardian项目不仅在学术研究上取得了重要进展，还在实际应用中得到了验证。我们已申请了两项软件著作权，并完成了一篇学术论文的投稿，同时正在申请一项国家发明专利。
该项目已成功入选国家级大学生创新创业计划，并在鸣鸾公司进行了实地部署，取得了显著的应用效果。同时，我们与未知比特团队建立了合作，推动项目进一步研发与落地应用。
系统介绍视频
观看以下视频，了解Smart Sound Guardian系统的工作原理和核心功能。
联系我们
如需了解更多信息或有合作意向，欢迎通过以下方式联系我们：