量子启发的音频遗忘：面向隐私保护的语音生物识别
声音
2025-07-31 v1 人工智能
音频与语音处理
摘要
支持语音的认证和音频生物识别系统的广泛采用，显著增加了与敏感语音数据相关的隐私漏洞。遵守 GDPR 的被遗忘权和印度 DPDP 法案等隐私法规，要求从已训练的生物识别模型中定向且高效地擦除特定于个人的语音签名。为视觉数据设计的现有遗忘方法无法充分处理音频信号的序列性、时序性和高维特性，导致说话人或口音的擦除无效或不完整。为解决此问题，我们引入了 QPAudioEraser，一个量子启发的音频遗忘框架。我们的四阶段方法包括：(1) 使用相消干涉进行权重初始化以消除目标特征，(2) 基于叠加的标签转换以模糊类别身份，(3) 最大化不确定性的量子损失函数，以及 (4) 受纠缠启发的相关权重混合以保留模型知识。使用 ResNet18、ViT 和 CNN 架构在 AudioMNIST、Speech Commands、LibriSpeech 和 Speech Accent Archive 数据集上进行的综合评估验证了 QPAudioEraser 的卓越性能。该框架实现了对目标数据的完全擦除(0% 遗忘准确率)，同时对模型效用的影响极小，在保留数据上的性能退化低至 0.05%。QPAudioEraser 在单类、多类、序列和口音级擦除场景中始终超越传统基线，确立了所提出方法作为一种稳健的隐私保护解决方案。
引用
@article{arxiv.2507.22208,
title = {Quantum-Inspired Audio Unlearning: Towards Privacy-Preserving Voice Biometrics},
author = {Shreyansh Pathak and Sonu Shreshtha and Richa Singh and Mayank Vatsa},
journal= {arXiv preprint arXiv:2507.22208},
year = {2025}
}
备注
9 pages, 2 figures, 5 tables, Accepted at IJCB 2025 (Osaka, Japan)