高精度可扩展的密态隐私保护语音分类

作     者：王雷蕾 宋考 张媛媛 毕仁万 熊金波 

作者机构：福建省网络安全与密码技术重点实验室福建师范大学 福建师范大学计算机与网络空间安全学院 

出 版 物：《计算机科学与探索》 (Journal of Frontiers of Computer Science and Technology)

年 卷 期：2024年

核心收录：

学科分类：0711[理学-系统科学] 07[理学] 08[工学] 081201[工学-计算机系统结构] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金面上项目(No.62272102) 福建省自然科学基金重点项目(No.2023J02014) 

主　　题：全同态加密 隐私保护 两方协同 语音分类 安全计算协议 

摘      要：为解决现有全同态加密技术在语音分类任务中计算效率和分类准确率均较低的挑战，提出一种高精度可扩展的密态隐私保护语音分类PPSC方案。首先，设计基于CKKS全同态加密技术两方服务器协同的安全乘法协议，因避免使用昂贵的自举操作，可有效提升深层次密文乘法的计算效率，从而使得方案可扩展到更深层次的神经网络；基于上述架构设计安全指数、安全倒数以及安全比较等安全非多项式协议，相较于多项式近似拟合非多项式运算的方法，在提高计算精度的同时，降低了计算开销。其次，安全实现卷积层、ReLU层、平均池化层、全连接层、Softmax层等PPSC方案的基本模块，确保语音数据、语音模型和中间计算结果的隐私性。最后，从有效性和安全性等维度对PPSC方案进行了详尽的理论分析，证明安全乘法协议在更深层次的乘法运算中具有更高的运算效率。在Speech Command Database语音数据集上的实验结果表明，PPSC方案可以在保护数据和模型参数隐私的情况下实现有效的语音分类，其准确率相比于HEKWS方案提高3.57%。