语音与语言处理中相似性排序的隐私披露

说话人、作者等生物识别应用通常通过比较样本与模板数据库的相似性来确定身份。由于数据可能存在噪声且相似性度量可能不准确，此类比较可能无法可靠地识别出最相似的真实身份。尽管如此，即使基于不准确相似性度量的相似性排序也可能披露关于真实身份的私人信息。我们提出了一种量化此类相似性排序隐私披露的方法，通过估计其概率分布来实现。该方法基于确定真实说话人相似性排序的直方图，或在数据稀缺时采用Beta-Binomial分布建模该直方图。我们以比特数（bits）表示披露程度，使得来自独立特征的披露是可加的。我们的实验表明，所有测试的说话人和作者特征描述都包含可用于识别的个人可识别信息（PII），其中说话人识别算法的嵌入表示包含的信息最多，随后是电话嵌入、语言嵌入和基频。我们的初始实验显示，PII的披露随测试样本长度而增加，但受限于数据库模板的长度。所提供的指标——相似性排序披露——提供了一种比较不同生物识别特征披露PII的方式，并可将其合并以辅助识别，从而有助于对话语及其他生物识别技术中隐私威胁进行整体评估。