Els assistents de veu i altres sistemes de reconeixement de parla poden ser enganyats amb àudios manipulats que a un humà li sonen normals. El problema s'agreuja perquè milions de dispositius executen exactament el mateix model: un atac que funciona en un, funciona en tots.
L'estudi «Diversified Neural Networks: Defeating Adversarial Attacks via Numerous Orthogonal Variants», de Ying Meng i Qiang Zeng, de la Universitat George Mason (Estats Units), es va presentar a les actes del congrés MobiSys 2026 (DOI 10.1145/3745756.3809215). El mètode, DivNet, fabrica moltes versions lleugerament diferents del mateix model: localitza els pesos de la xarxa que importen poc per al reconeixement normal de la parla però molt per als atacs, i els modifica. Combinacions diferents donen variants diferents que continuen entenent la parla legítima.
Segons els autors, les proves en sistemes de reconeixement establerts van reduir de manera substancial l'èxit dels atacs, amb una pèrdua mínima de precisió. DivNet no afegeix temps de procés durant el reconeixement i, un cop feta l'anàlisi inicial, generar una variant nova costa mil·lisegons i no cal tornar a entrenar. L'article diu que el nombre de variants possibles supera el d'àtoms de l'univers observable, tot i que el titular parla de «bilions».
Els resultats que es coneixen són els de la nota de premsa, sense percentatges concrets ni noms dels sistemes provats, i convé consultar l'article complet. Cal una fase d'anàlisi prèvia, l'article no tracta què passa si l'atacant s'adapta a la tècnica i l'enfocament no és encara comercial: els autors volen portar-lo al mercat i han sol·licitat patents.