Fair-Gate：面向性别公平的可解释风险门控用于性别公平语音生物识别
声音
2026-04-02 v3 音频与语音处理
摘要
语音生物识别系统即使在整体验证准确率较强时，也可能 exhibits 性别相关性能差异。我们将这些差异归因于两个实际机制：(i) 人口统计学捷径学习，其中说话人分类训练利用性别与说话人身份之间的虚假关联；(ii) 特征纠缠，其中性别关联的声学变化与身份线索重叠，无法在不降低说话人辨识性能的情况下被移除。我们提出了 Fair-Gate，一个面向公平性和可解释性的风险门控框架，旨在单一管道中解决上述两种机制。Fair-Gate 应用风险外推以减少跨代理性别群体的说话人分类风险差异，并引入局部互补门控，将中间特征路由到身份分支和性别分支。该门控通过产生显式路由掩码提供可解释性，可检查以了解哪些特征被分配到身份分支或性别相关路径。在 VoxCeleb1 上的实验表明，Fair-Gate 在挑战性评估条件下提高了实用性—公平性权衡，实现了更性别公平的ASV性能。
引用
@article{arxiv.2603.11360,
title = {Fair-Gate: Fairness-Aware Interpretable Risk Gating for Sex-Fair Voice Biometrics},
author = {Yangyang Qu and Massimiliano Todisco and Chiara Galdi and Nicholas Evans},
journal= {arXiv preprint arXiv:2603.11360},
year = {2026}
}