基于多随机正交密钥的语音隐私保护：抗攻击性分析

近年来，将语音数据传输到云端执行深度学习模型的机会不断增加。这引发了对语音隐私的日益关注，包括说话人特定信息和话语的语义内容。作为保护语音隐私的一种方法，已提出一种基于使用随机正交矩阵作为密钥进行加密的语音隐私保护方法。该方法可在隐藏语音内容和说话人身份的同时实现云端模型推理。然而，该方法的抗攻击能力有限，且可应用加密的深度学习模型受到约束。在本工作中，我们提出了一种通过使用多个随机正交矩阵作为密钥来增强传统语音隐私保护技术抗攻击能力的方法。我们还引入了放松模型约束的方法，使我们的方法能够应用于更广泛的深度学习模型。此外，我们基于语音隐私挑战中使用的攻击场景研究了所提方法在扩展攻击场景下的鲁棒性。实验结果证实，即使在先前工作中未考虑的更强攻击场景下，所提方法仍能保持说话人隐藏方面的隐私保护性能。