通过声学对抗规避机器学习实现针对实时语音情感检测的隐私保护
机器学习
2023-12-20 v4 密码学与安全
声音
音频与语音处理
摘要
亚马逊 Echo 和谷歌 Home 等智能音箱语音助手（VA）因与智能家居设备及物联网（IoT）技术的无缝集成而被广泛采用。这些 VA 服务引发了隐私担忧，尤其因其对我们语音的访问。本工作考虑这样一种用例：通过语音情感识别（SER）对用户情感进行不可问责且未经授权的监视。本文提出 DARE-GP，一种通过添加噪声来掩盖用户情感信息同时保留其语音中与转写相关部分的解决方案。DARE-GP 采用约束遗传编程方法学习刻画目标用户情感内容的频谱特征，进而生成提供该隐私保护的通用对抗音频扰动。与现有工作不同，DARE-GP 提供：a) 对先前未听闻语句的实时保护，b) 针对先前未见的黑盒 SER 分类器，c) 同时保护语音转写，以及 d) 在真实声学环境中实现。此外，该规避对知情对手所采用的防御具有鲁棒性。本工作的评估最终通过对两款现成商用智能音箱的声学评估完成，使用集成唤醒词系统的小型设备（树莓派）来评估其实时真实部署效能。
引用
@article{arxiv.2211.09273,
title = {Privacy against Real-Time Speech Emotion Detection via Acoustic Adversarial Evasion of Machine Learning},
author = {Brian Testa and Yi Xiao and Harshit Sharma and Avery Gump and Asif Salekin},
journal= {arXiv preprint arXiv:2211.09273},
year = {2023}
}