为隐私保护语音识别生成性别模糊语音
声音
2022-07-05 v1 机器学习
音频与语音处理
摘要
我们的声音编码了一种独特可识别的模式，可用于推断私人属性，例如性别或身份，而个体在使用语音识别服务时可能不希望透露这些信息。为了在语音识别任务的同时防止属性推断攻击，我们提出了一种生成对抗网络 GenGAN，用于合成隐藏说话人性别或身份的语音。所提出的网络包含一个具有 U-Net 架构的生成器，该生成器学习欺骗判别器。我们仅以性别信息为生成器的条件，并在信号失真与隐私保护之间使用对抗损失。我们表明，与将性别信息视为需保护的敏感属性的隐私保护表示学习方法相比，GenGAN 改善了隐私与效用之间的权衡。
引用
@article{arxiv.2207.01052,
title = {Generating gender-ambiguous voices for privacy-preserving speech recognition},
author = {Dimitrios Stoidis and Andrea Cavallaro},
journal= {arXiv preprint arXiv:2207.01052},
year = {2022}
}
备注
5 pages, 4 figures, submitted to INTERSPEECH