智能语音作为一种新型的人机交流方式已经得到广泛的应用。最近的研究表明,基于深度神经网络的语音识别系统容易受到对抗样本的攻击而出错,研究这些攻击方法不仅有助于发现深度学习模型训练过程中可能存在的潜在问题,而且可以推进深度学习理论方面的研究。现有的语音攻击方法中,白盒攻击方面主要依靠基于优化的算法,黑盒攻击方面主要依靠遗传算法,然而这些方法不仅需要大量的计算资源,而且攻击效果不够理想。例如,一是这些方法因破坏了语音信号的时序依赖性容易被最新的防御机制检测到。二是这些方法通常会在原始语音中加入明显的噪声,导致对抗样本易被人察觉。针对上述问题,本文进行了深入的讨论和研究,主要内容分为以下四个部分:针对语音识别预处理步骤不可微的问题,本文设计了一种通过张量计算来实现的语音特征提取模块。该模块避免了以往方法从对抗特征转回语音波形的有损过程,使得端到端生成语音对抗样本成为可能,从而提高了对抗样本的听觉质量。针对语音对抗样本在防御机制下鲁棒性差的问题,本文提出了一种鲁棒的迭代比例剪切算法（IPC）。基于对时序依赖性的考虑,本文设计了一个带有对扰动比例剪切效果的目标损失函数。对扰动比例剪切通过维持语音信号的频域特征提升了对抗样本的听觉质量。同时因保留了时序依赖性,使得对抗样本可以攻破TD防御,即增强了对抗样本在TD防御下的鲁棒性。针对引入噪声过多导致对抗样本听觉质量不佳,易被用户发觉的问题,本文提出一种鲁棒的心理声学隐藏算法（Psy-hiding）。该算法利用心理声学掩蔽效应的知识,将对抗扰动藏匿在人耳感知阈值以下达到对抗噪声不被察觉的效果,大大提高了语音对抗样本的听觉质量。该算法与基于优化的对抗样本生成框架相适应,为后续语音攻击算法设计提供新思路。最后,本文从定性和定量的角度,通过攻击成功率、主客观样本质量评估、防御机制下的鲁棒性实验以及可视化比较来验证提出的IPC和Psy-hiding算法的有效性。在大型语音数据集Libri Speech上针对当前表现最佳的Wav2Letter V2语音识别模型展开了攻击验证。在实验结果中,本文提出的两种方法攻击成功率均可以达到100%。在对100个样本测试的ABX测试中,均有95%的对抗样本不会被区分出来。在50人的AB测试中,均有90%以上的实验者听不出对抗样本中的异样。当使用最新的防御机制对IPC对抗样本进行分类,分类器的AUC值在0.5至0.7范围内,展示了防御机制对IPC对抗样本有较差的分类效果,即IPC方法面对最新防御机制鲁棒性强。同时本文也揭示了Wav2Letter V2模型存在被攻击的风险。