语音增强中的对抗隐私保护
声音
2022-06-17 v1 密码学与安全
机器学习
音频与语音处理
摘要
语音容易在不知不觉中泄露,例如在不同场景中被手机录制。语音中的隐私内容可能通过语音增强技术被恶意提取。语音增强技术随深度神经网络(DNNs)快速发展,但对抗样本可导致 DNNs 失效。在本文中,我们提出一种对抗方法来使语音增强系统性能退化。实验结果表明,生成的对抗样本可通过语音增强抹去原始样本中的大部分内容信息,或将其替换为目标语音内容。增强原始样本与增强对抗样本识别结果之间的词错误率(WER)可达 89.0%。增强对抗样本与目标样本之间目标攻击的 WER 低至 33.75%。对抗扰动可使原始样本的变化率达到 1.4430 以上。本工作可防止语音的恶意提取。
引用
@article{arxiv.2206.08170,
title = {Adversarial Privacy Protection on Speech Enhancement},
author = {Mingyu Dong and Diqun Yan and Rangding Wang},
journal= {arXiv preprint arXiv:2206.08170},
year = {2022}
}
备注
5 pages, 6 figures