面向说话人识别的同态加密：生物特征模板与供应商模型参数保护
密码学与安全
2019-07-16 v1 声音
音频与语音处理
摘要
在处理生物特征数据时，数据隐私至关重要。考虑到最新的欧洲数据隐私法规和支付服务指令，生物特征模板保护对任何商业应用都必不可少。为确保跨生物特征服务运营商的不可关联性、泄露的加密模板的不可逆性，以及基于 i-vector 范式的语音模型（如）的可更新性，基于生物特征的语音系统已为最新欧盟数据隐私立法做好准备。采用 Paillier 密码系统，已知 Euclid 和余弦比较器能够在无判别力或校准性能损失的情况下满足数据隐私需求。为弥补从模板保护到说话人识别的鸿沟，针对本研究用作生成模型的两协方差比较器，提出了两种架构。第一种架构保护生物数据被采集主体的隐私。第二种架构中，比较器的模型参数也被加密，使得生物特征服务提供商能够使用不同密钥对向多个生物特征服务运营商提供相同的比较模块。在 2013-2014 NIST i-vector 机器学习挑战赛数据上进行了实验概念验证和复杂度分析。
引用
@article{arxiv.1803.03559,
title = {Homomorphic Encryption for Speaker Recognition: Protection of Biometric Templates and Vendor Model Parameters},
author = {Andreas Nautsch and Sergey Isadskiy and Jascha Kolberg and Marta Gomez-Barrero and Christoph Busch},
journal= {arXiv preprint arXiv:1803.03559},
year = {2019}
}