基于全同态加密的说话人特征隐私保护相似度计算
密码学与安全
2022-03-15 v2
摘要
机器学习技术的最新进展使自动语音识别（ASR）更加准确且实用。这一点可以从具有语音处理能力的智能设备数量上升中看出。我们周围的设备越来越多地内置了 ASR 技术。这带来了严重的隐私威胁，因为语音包含独特的生物特征信息和个人数据。然而，若在加密域中处理语音特征，则可缓解隐私问题。在此背景下，本文提出一种利用全同态加密技术重新设计说话人验证系统后端的算法。该方案利用 Cheon-Kim-Kim-Song（CKKS）全同态加密方案获得实时且非交互的解决方案。所提方案包含一种基于牛顿-拉夫逊法的新方法，以克服 CKKS 方案的局限（即计算加密数的反平方根）。这在精度损失可忽略的情况下，以更小的乘法深度提供了高效解决方案。所提算法使用知名语音数据集进行了验证。与明文域验证相比，所提算法以 2.8% 的等错误率损失实现了实时（低于 1.3 秒延迟）的加密域验证。
引用
@article{arxiv.2202.07994,
title = {Privacy-preserving Similarity Calculation of Speaker Features Using Fully Homomorphic Encryption},
author = {Yogachandran Rahulamathavan},
journal= {arXiv preprint arXiv:2202.07994},
year = {2022}
}