PATE-AAE：将对抗自编码器引入教师集成隐私聚合用于语音指令分类
声音
2021-10-11 v2 人工智能
机器学习
神经与进化计算
音频与语音处理
摘要
我们提出使用对抗自编码器（AAE）替代生成对抗网络（GAN），用于教师集成隐私聚合（PATE）——一种保障语音应用差分隐私的方案。AAE 架构使我们能够借助潜向量的判别性训练获得良好的合成语音。当公共领域非敏感数据不足时，此类合成语音被用于构建隐私保护分类器。该分类器遵循 PATE 方案，利用带噪输出的集成对合成样本打标，并保障其派生分类器的 -差分隐私（DP）。我们提出的框架因而由基于 AAE 的生成器与基于 PATE 的分类器（PATE-AAE）组成。在 Google Speech Commands Dataset Version II 上评估，所提 PATE-AAE 相较于其他隐私保护方案（即 PATE-GAN 与 DP-GAN）分别将平均分类准确率提升了 + 与 +，同时在固定 =10 下维持 =0.01 的强隐私目标。
引用
@article{arxiv.2104.01271,
title = {PATE-AAE: Incorporating Adversarial Autoencoder into Private Aggregation of Teacher Ensembles for Spoken Command Classification},
author = {Chao-Han Huck Yang and Sabato Marco Siniscalchi and Chin-Hui Lee},
journal= {arXiv preprint arXiv:2104.01271},
year = {2021}
}
备注
Accepted to Interspeech 2021