面向语音情感识别的联邦学习中说话人属性隐私保护有效性研究
音频与语音处理
2024-10-18 v1 声音
摘要
联邦学习（FL）是一种隐私保护方法，允许服务器聚合从本地客户端传输的分布式模型，而不是在用户数据上进行训练。最近，FL已被应用于语音情感识别（SER），用于安全的人机交互应用。近期研究发现，FL仍然容易受到推理攻击。为此，本文重点研究FL在SER中针对属性推理攻击的安全性。我们提出了一种新方法，通过分解语音中的各种属性并向这些属性添加扰动来保护语音数据中的属性信息。我们的实验表明，所提出的方法比现有方法提供了更好的隐私-效用权衡。这种权衡能够在保持相似FL效用水平的同时，实现更有效的攻击防御。这项工作可以为语音处理中隐私保护方法的未来研究提供指导。
引用
@article{arxiv.2410.13221,
title = {Investigating Effective Speaker Property Privacy Protection in Federated Learning for Speech Emotion Recognition},
author = {Chao Tan and Sheng Li and Yang Cao and Zhao Ren and Tanja Schultz},
journal= {arXiv preprint arXiv:2410.13221},
year = {2024}
}