利用上下文依赖的持续时间特征进行语音匿名化攻击系统研究-计算机科学-自动说话人验证-语音处理.pdfVIP

利用上下文依赖的持续时间特征进行语音匿名化攻击系统研究

NataliaTomashenko,EmmanuelVincent,MarcTommasi

UniversitédeLorraine,CNRS,Inria,LORIA,F-54000,Nancy,France

UniversitédeLille,CNRS,Inria,CentraleLille,UMR9189-CRIStAL,Lille,France

natalia.tomashenko@inria.fr,emmanuel.vincent@inria.fr,marc@tommasi@inria.fr

Abstract匿名化能力。

第二个也是更为复杂的类别包括基于神经语

语音的时间动态变化，包括节奏、语调和说话速度

音转换的方法[7–15]，这些方法通过解耦各种语音

的变化，包含了关于说话人身份的重要且独特的

属性——包括内容、说话人特征、音调和情感——

信息。本文提出了一种通过从语音时间动态中提

在选择性匿名化特定属性后，使用语音合成模型

取上下文相关的持续时间嵌入来表示说话人特征

重构语音信号。大多数最先进的基于语音转换的

的新方法。我们利用这些表示开发了新型的攻击

本匿名化系统通常利用大规模预训练模型进行属性

模型，并分析了说话人验证和语音匿名系统中的

译提取，在内容保留和隐私保护方面均表现出优于

潜在漏洞。实验结果表明，与文献中报告的较简单

中基于信号处理方法的性能。

的语音时间动态表示相比，所开发的攻击模型在

1尽管研究人员在语音匿名化技术方面取得了

v原始数据和匿名化数据上的说话人验证性能有显

4著提升。显著进展，并对携带说话人信息的音高[6,9,10]进

1行了多项研究，但对语音时间动态在语音匿名化

2IndexTerms:自动说话人验证，匿名化，攻击

5中的作用关注较少。许多最先进的匿名系统保持

1模型，上下文相关持续时间特征。

.语速和音素时长不变[7,9,12,16]。级联自动语音

7

0识别（ASR）和文本到语音（TTS）系统[17,18]

51.介绍是罕见的例外，其中ASR产生的词级别或音素级

2

:当今广泛使用的语音数据引发了主要的隐私别的转录被TTS用于合成带有新目标声音的语言

v

i担忧，导致其受到欧洲通用数据保护条例（GDPR）内容。尽管这些系统可能避免保留说话人身份，但

x

r等隐私法规的保护[1]。语音录音包