使用矢量量化的隐私保护语音表示学习
音频与语音处理
2022-03-21 v1 人工智能
计算与语言
密码学与安全
声音
摘要
随着虚拟助手（如 Siri、Alexa）的普及，语音识别的使用正变得愈发广泛。然而，语音信号包含大量敏感信息，例如说话人身份，这引发了隐私担忧。所呈现的实验表明，语音识别网络深层提取的表示包含说话人信息。本文旨在生成匿名表示的同时保持语音识别性能。为此，我们提出使用矢量量化来约束表示空间并促使网络抑制说话人身份。量化字典大小的选择可用于配置效用（语音识别）与隐私（说话人身份隐藏）之间的权衡。
引用
@article{arxiv.2203.09518,
title = {Privacy-Preserving Speech Representation Learning using Vector Quantization},
author = {Pierre Champion and Denis Jouvet and Anthony Larcher},
journal= {arXiv preprint arXiv:2203.09518},
year = {2022}
}
备注
Journ{\'e}es d'{\'E}tudes sur la Parole - JEP2022, Jun 2022, {\^I}le de Noirmoutier, France