评估说话人去识别系统中的身份泄露
声音
2025-08-20 v1 人工智能
摘要
说话人去识别旨在隐藏说话人的身份，同时保留语音的可理解性。我们引入了一个基准，量化残余身份信息泄露，包括平等错误率、累积匹配特征（CMC）命中率以及通过正规化相关分析和普氏分析衡量的嵌入空间相似性。评估结果表明，所有最先进的说话人去识别系统都会泄露身份信息。我们评估中最佳-performing 系统的表现仅略好于随机猜测，而最差-performing 系统在基于 CMC 的前 50 个候选者中实现了 45% 的命中率。这些发现凸显了当前说话人去识别技术中持久的隐私风险。
引用
@article{arxiv.2508.14012,
title = {Evaluating Identity Leakage in Speaker De-Identification Systems},
author = {Seungmin Seo and Oleg Aulov and Afzal Godil and Kevin Mangold},
journal= {arXiv preprint arXiv:2508.14012},
year = {2025}
}
备注
Submitted to ICASSP 2026