LibriSpeech 中的内容泄露及其对说话人匿名化隐私评估的影响

说话人匿名化旨在隐藏说话人的身份，而不考虑语言内容。在本研究中，我们揭示了 LibriSpeech（常用于评估匿名化系统的数据集）的一个弱点：LibriSpeech 说话人朗读的书籍差异如此之大，以至于可以通过其词汇来识别说话人。即使是完美的匿名化系统也无法防止这种身份泄露。EdAcc 数据集在这方面表现更好：只有少数说话人可以通过其词汇被识别，从而促使攻击者在其他地方寻找匿名化说话人的身份。EdAcc 还包含自发语音和更多样化的说话人，补充了 LibriSpeech，并为深入了解匿名化系统的工作原理提供了更多视角。