武汉大学网络安全试验班本科生陈品极与博士生葛云洁的论文被USENIX Security 2024录用，这是武大本科生首次以共同第一作者在该顶级会议发表论文。论文题目为《训练简化增大攻击风险：基于特征提取器推断的黑盒语音声纹对抗攻击》，研究声纹识别系统的安全漏洞。研究发现，现有攻击方案成功率低、查询开销大，作者提出基于遗传算法的特征提取器窃取技术，在约300次查询内窃取特征提取器，并生成高效对抗样本，集成了心理声学模型和房间脉冲效应技术，增强攻击的隐蔽性和鲁棒性。该研究攻击了4个云端说话人识别服务和7个商用声控设备，揭示了声纹识别系统的设计缺陷，强调了安全系统架构设计的重要性。USENIX Security录用率仅为19%，反映了国际前沿研究水平。