Nov, 2019

评估基于语音转换的隐私保护对抗已知攻击者的有效性

PDF
TL;DR本文考察了基于语音转换的匿名化方法，在三种攻击情景中比较了两种基于频率扭曲的转换方法和一种基于深度学习的方法，结果表明语音转换方案不能有效地防止具有广泛知识的攻击者，但可能为不太熟悉的攻击者提供一定的保护。
speech dataanonymizationvoice conversionprivacy protectionspeaker verification
发现论文，激发创造
  • 匿名化语音：评估和设计说话人匿名化技术

    该论文讨论了语音用户界面的增长，以及由此带来的语音数据收集和存储问题。研究提出了匿名化语音和度量匿名程度的解决方案，并介绍了评估协议需要考虑的挑战，最后探讨了一种新的攻击方法以逆转匿名化。

    Aug, 2023

  • 评估说话人匿名在情感语音上的效果

    该研究研究了在语音隐私保护的 VoicePrivacy 2020 Challenge 中对说话人匿名化基线系统对语音情感信息的影响，结果表明该系统对知情攻击者未能抑制说话人的情感，且匿名化后的语音相比原始语音情感识别性能下降了 15%，与其保留语言信息的评估方式使用自动语音识别得到的结果类似。

    Apr, 2023

  • 基于对说话人嵌入进行对抗扰动的异步语音匿名化

    本文研究声音匿名化技术，重点探讨改变语音特征以防止机器识别但保留人类感知的异步声音匿名化方法，采用包含说话人解缠机制的语音生成框架生成匿名语音，并通过对说话人嵌入进行对抗扰动改变说话人特征，同时通过控制扰动强度保留人类感知。实验结果表明，在 LibriSpeech 数据集上处理的 utterances 中，60.71％的处理结果达到了说话人特征的匿名化且保留了人类感知。

    Jun, 2024

  • 声音防御：语音转换的对抗攻击

    论文报告了首次对语音转换进行对抗性攻击的尝试，以保护用户的隐私和身份识别。在两个现有的零样本语音转换模型上进行了实验，显示攻击样本具有良好的隐蔽性和转换效果显著。

    May, 2020

  • 自监督语音表示保留语音特征同时实现匿名化

    本文旨在研究如何使用基于自监督语音表征的语音转换模型匿名处理声音数据，结果表明用这种方法匿名化处理的语音可以维持原始语音低的误识别率，但对于说话人验证存在性能下降的问题。此外，本文的研究还能以匿名的方式提取出健康语言和病理语言之间的区别语音特征。

    Apr, 2022

  • X-vector 基础发言人匿名化的设计选择

    本文针对 VoicePrivacy Challenge 设计了一种基于 x-vector 的柔性伪说话人选择技术，并探索了多种设计选择以评估它的匿名化和实用性，同时使用 LibriSpeech 数据集进行实验，报告了匿名数据的 Equal Error Rate（EER）和解码 Word Error Rate（WER）。

    May, 2020

  • 使用生成对抗网络实现语音匿名化，以保护说话人隐私

    本研究利用生成对抗网络与 Wasserstein 距离的 Speaker embeddings 生成方法，将其整合到语音转文字转语音的流程中，成功实现保护隐私的同时保持较高的效能表现。

    Oct, 2022

  • 语音匿名化对基于语音的 COVID-19 检测的影响

    本研究关注于一项针对基于语音的 COVID-19 诊断的健康监测应用，测试了两种常见的匿名化方法并将其应用于三个公共数据集，验证了匿名化方法的有效性并量化了在不同测试场景下的影响，最后展示了匿名化作为数据增强工具的益处。

    Apr, 2023

  • 使用 X - 向量和神经波形模型进行说话者匿名化

    研究表明，使用新的说话人匿名方法来提取语言和说话人身份特征，使用神经声学和波形模型来合成匿名的语音可以有效掩盖说话人身份，同时保持高质量的匿名语音。

    May, 2019

  • V-Cloak：实时语音匿名化，保留语音清晰度，自然度与音质的技术

    本文提出了一种名为 V-Cloak 的语音匿名化系统，它能够实现实时语音匿名化，同时保持音频的可懂性、自然度和音色，通过实验结果验证了 V-Cloak 具有较好的匿名性能和鲁棒性，并能够实现不受限的和定向的匿名化，同时保证声纹的不可识别性和不可链接性，从而防止语音数据被用于身份推断和盗用。

    Oct, 2022