TransferBreaker：抑制微调ASR模型的对抗迁移攻击
Get the story
2026年10月8日，arXiv Machine Learning Theory 发布一手研究，提出 TransferBreaker 微调框架，用于抑制针对公开预训练 ASR 模型构造的对抗扰动向微调目标模型的迁移。该框架整合 Base Adversarial Fine-Tuning、Latent Jacobian Regularization 与 HybridGrad-AFT 三项技术，在三种语言、四款大型 ASR 模型上开展实验，将对抗 WER 从 92.6 降至 27.8。研究团队表示相关代码已公开，供后续验证与复现。
Generated from reports · updated 3 hr ago
Timeline
Follow the coverage from different angles.
- arXiv · Machine Learning TheoryTransferBreaker：破解微调语音识别中的对抗迁移性
研究提出 TransferBreaker 微调框架，抑制针对公开预训练 ASR 模型构造的对抗扰动向微调目标模型迁移。该框架整合 Base Adversarial Fine-Tuning、Latent Jacobian Regularization 与 HybridGrad-AFT，在三种语言、四款大型 ASR 模型上把对抗 WER 从 92.6 降至 27.8。代码已公开。
Heat trend
Current heat 9·Comparable peak 10（Oct 8）·Comparable change over 24 hours –
The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.