基于队列得分归一化的隐私保护说话人识别
音频与语音处理
2019-07-16 v1 密码学与安全
摘要
在许多语音生物识别应用中，存在保护隐私的需求，尤其是因近期施行的《通用数据保护条例》(GDPR) 所致。尽管将隐私保护引入语音生物识别的进展落后于其他生物识别领域的发展，近年来仍取得了快速进步，如同态加密等安全计算机制已成功应用于说话人识别。即便如此，在加密域中处理语音数据所带来的计算开销是巨大的。虽然对于单次生物识别比对尚可容忍，但大多数最先进系统会执行某种形式的基于队列的得分归一化，需要进行成千上万次生物识别比对。此时计算开销令人望而却步，意味着必须接受性能下降（无得分归一化）或存在隐私泄露风险之一。本文提出首个计算可行的隐私保护队列得分归一化方法。我们的方案是一种基于安全多方计算的队列剪枝策略，其利用概率线性判别分析 (PLDA) 比对实现隐私保护得分归一化。该方案作用于二值语音表示。尽管二值化在生物识别 rank-1 性能上是有损的，但其支持加密域中计算可行的生物识别 rank-n 比对。
引用
@article{arxiv.1907.03454,
title = {Privacy-Preserving Speaker Recognition with Cohort Score Normalisation},
author = {Andreas Nautsch and Jose Patino and Amos Treiber and Themos Stafylakis and Petr Mizera and Massimiliano Todisco and Thomas Schneider and Nicholas Evans},
journal= {arXiv preprint arXiv:1907.03454},
year = {2019}
}