利用超声向语音识别系统发出听不见的指令
标签：
利用
超声
语音识别
| 发表时间：2017-09-08 20:32 | 作者：pigsrollaroundinthem
出处：http://www.solidot.org
浙江大学的六名研究人员在预印本网站上发表论文（PDF），描述了利用超声向语音识别系统发出人耳听不见的指令的攻击方法，他们将其称之为海豚攻击——海豚能发出高频声音。人耳听不见频率超过 20 kHz 的声音，而麦克风软件通常会丢弃高于该频率的信号，但从技术上说，这些信号仍然能探测到。语音激活的设备会应用低通滤波器去消除 20 kHz 以上的信号，研究人员称他们找到了方法绕过对信号的过滤，方法是在信号发射前将语音设备能响应的低频语音信号调制到超声载波中。研究人员在流行语音识别系统 Siri、Google Now、Samsung S Voice、Huawei HiVoice、Cortana 和 Alexa 上验证了海豚攻击，他们成功激活 Siri 其启动 FaceTime 呼叫，激活 Google Now 将手机切换到飞行模式，甚至操纵了一辆奥迪汽车的导航系统。研究人员也提出了抵御海豚攻击的方法。
相关 [利用 超声 语音识别] 推荐：
- - Solidot
浙江大学的六名研究人员在预印本网站上发表论文（PDF），描述了利用超声向语音识别系统发出人耳听不见的指令的攻击方法，他们将其称之为海豚攻击——海豚能发出高频声音. 人耳听不见频率超过 20 kHz 的声音，而麦克风软件通常会丢弃高于该频率的信号，但从技术上说，这些信号仍然能探测到. 语音激活的设备会应用低通滤波器去消除 20 kHz 以上的信号，研究人员称他们找到了方法绕过对信号的过滤，方法是在信号发射前将语音设备能响应的低频语音信号调制到超声载波中.
- - 移动开发 - ITeye博客
关注微信号：javalearns 随时随地学Java. 苹果的iphone的语音识别功能使用的是Google的技术，做为Google力推的Android自然会将其核心技术植入到Android系统里面，并结合google的云端技术将其发扬光大. 所以Google Voice Recognition在Android中的实现就变得非常轻松.
- L - 微软亚洲研究院
本文是由文章Speech
Recognition Leaps Forward翻译而成. 作者：Janie
Chang. 2011年国际语音通讯协会第12次年会（Interspeech 2011）于8月28日至31日在意大利佛罗伦萨举行. 来自微软研究院的研究人员在会上发表了他们的研究成果，这些成果极大地提升了非特定人实时语音识别系统的潜力.
- - CSDN博客移动开发推荐文章
調用谷歌语音识别其实很简单，直接利用 intent 跳转到手机里面的谷歌搜索. 代码也很简单，直接调用方法 startVoiceRecognitionActivity(). 如果大家手机里面没有谷歌搜索，这里会弹出一个下载框给我们选择下载. 识别完成后，得到result List数组,里面有很多识别结果，我们获取第一个就可以了.
- Elims - 爱范儿 · Beats of Bits
语音识别技术拥有足够高的评价，但一直以来缺乏足够的表现. 由于无法精确的识别人类语音的表达，使人们在使用语音识别技术的时候总会遇上各种各样的错误，结果就是人们无法通过语音直接打电话和写短信. 不过，这一切都有可能改变，关键词又是苹果（Apple）. 苹果去年 4 月收购一家名为 Siri 的公司，该公司之前推出了一个应用，能够识别人们的语音，针对人们提出的问题进行回答.
- Leo - Engadget 中国版
引用来源 | 此文章网址 | 转寄此文章 | 回应.
- Leo - 爱范儿 · Beats of Bits
去年的十一月，曾经有消息说苹果收购了一家语音识别技术公司 Nuance. 但后来发布该消息的人出来更正说那只是一个误传. 同时，很多人认为发布该消息的人是把 Nuance 和另外一家公司 Siri 弄混淆了，而后者，正是苹果于去年 4 月收购的. 但是，不管去年十一月的消息是不是真的误传，但现在看起来，这件事情并没有真的尘埃落定.
- - TechWeb 新酷网站 RSS阅读
随着语音识别技术日趋成熟. 语音输入功能在移动应用端并不陌生，除了苹果的Siri还有 Dragon Dictation、 SayHi、Iris、Evi 等. 事实证明，语音识别的速度比使用键盘输入文字快上五倍以上. 大大提高了录入效率，准确率也很高. 今天酷站就给大家推荐一个完全免费的网页版语音识别工具TalkTyper.
- - 雷锋网
雷锋网 AI 科技评论按：近日，Facebook 人工智能研究院 ( FAIR ) 宣布开源首个全卷积语音识别工具包 wav2letter++. 系统基于全卷积方法进行语音识别，训练语音识别端到端神经网络的速度是其他框架的 2 倍多. 他们在博客中对此次开源进行了详细介绍. 由于端到端语音识别技术能够轻易扩展至多种语言，同时能在多变的环境下保证识别质量，因此被普遍认为是一种高效且稳定的语音识别技术.