检索结果-南通市图书馆

作者：杨昆鹏西安工业大学

学位级别：硕士

智能语音技术的大规模应用,使人们的生活与该技术密不可分,但该技术使用过程中存在个人语音隐私泄露的风险,这些风险主要包括语音情感泄露风险、语音身份泄露风险和敏感语义信息泄露风险。然而目前多数相关研究主要集中在对语音身份信... 详细信息

智能语音技术的大规模应用,使人们的生活与该技术密不可分,但该技术使用过程中存在个人语音隐私泄露的风险,这些风险主要包括语音情感泄露风险、语音身份泄露风险和敏感语义信息泄露风险。然而目前多数相关研究主要集中在对语音身份信息和语音中的敏感语义信息进行保护,对语音情感信息保护的相关研究还比较少。因此,本文旨在对智能语音技术在使用过程中可能引发的语音情感信息和语音身份信息进行有效保护。针对上述问题,本文的工作主要展开为以下三部分:1)对于语音情感隐私的保护,本文改进了CycleGAN模型,使其更适用于对情感语音进行去情感处理以保护语音情感隐私。在传统的CycleGAN网络结构中引入Transformer、WORLD声码器等技术,改进了网络结构得到改进CycleGAN。实验表明,改进CycleGAN比传统CycleGAN提升了至少14%的语音去情感性能,更是提升了处理后语音的质量、自然度和清晰度。2)对于语音身份隐私的保护,本文提出了语音身份隐私保护方法,该方法改进了多通道语音转换模型QuickVC,使之更适用于语音身份隐私保护。本方法主要基于QuickVC模型进行实现,模型的训练数据采用自收集语音数据集,并将该模型改进为更适用于语音身份隐私保护的四通道语音转换模型。此外,更是结合了语音性别年龄预测模型wav2vec2.0 bi-encoder,提出了通道选择方法。语音隐私保护方法既能够保护语音归属者的性别信息,又能保护归属者的年龄信息。3)基于上述技术和方法,本文设计并实现了语音隐私保护系统,实验表明,该系统能在语音情感检测场景与语音性别年龄预测场景下,有效并全面的保护用户的语音隐私,且具备不错的泛化能力。不仅如此,该系统还提供了简洁且易上手的交互逻辑,旨在方便普通用户进行语音隐私保护操作。实验结果表明,在情感隐私保护方面,相比传统CycleGAN模型,改进CycleGAN模型在语音情感隐私保护效果、情感相似度和自然度方面均展现出了更优越的性能。在性别年龄隐私保护方面,语音隐私保护方法在个人性别年龄信息保护效果、语音相似度和自然度方面也具备较好的性能,可有效保护个人性别年龄隐私。实验更是表明了语音隐私保护系统具备不错的泛化能力。

关键词：语音隐私语音情感转换语音转换生成对抗网络自注意力机制

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于差分隐私的语音数据保护研究

基于差分隐私的语音数据保护研究

作者：胡宇广州大学

学位级别：硕士

随着现代科技的飞速发展,语音识别和智能语音助手等语音技术被广泛地应用于日常生活中。然而,语音服务提供商会收集、存储用户的语音数据,并可能会与第三方共享。语音数据中包含两方面的个人隐私信息:语义信息和生物特征。从语义信息的... 详细信息

随着现代科技的飞速发展,语音识别和智能语音助手等语音技术被广泛地应用于日常生活中。然而,语音服务提供商会收集、存储用户的语音数据,并可能会与第三方共享。语音数据中包含两方面的个人隐私信息:语义信息和生物特征。从语义信息的角度而言,语音中可能含有比如姓名、住址、疾病等敏感的内容。从生物特征的角度而言,语音中含有的声纹信息可标识特定个人的身份。攻击者可利用语音技术对语音数据中的说话人身份以及敏感的语义内容进行识别,将引起严重的隐私泄露,对用户的人身和财产安全造成威胁。针对语音数据的隐私泄露问题,本文基于差分隐私技术提出了一种语音数据隐私保护机制,该机制从语音内容和声学特征两个方面实现用户的语音数据隐私保护。具体而言,采用基于语义相似度的敏感词识别方法和基于差分隐私的敏感词替换方法识别用户语音内容中的敏感词并对敏感词进行替换,同时,采用基于差分隐私的声纹匿名方法和多说话人语音合成技术把用户的声音转换成另一个人的声音。去除隐私信息后的语音仍然具有较高的语音质量和语义可理解度,可安全地与第三方共享或用于下游任务训练。本文的主要研究内容和贡献总结如下:(1)针对语音数据中的敏感语义信息识别与脱敏的需求,提出了一种基于差分隐私的敏感语音内容过滤方法。该方案采用基于语义相似度的方法来检测语音内容中的敏感词,根据新式效用优化差分隐私,以更大概率选取与敏感词的语义更相似的单词对敏感词进行替换。实验结果表明,该方法能够有效地识别并过滤语音内容中的敏感词,在保护语音内容隐私的同时保持数据效用。(2)针对语音数据中的声纹信息匿名化的需求,提出了一种基于差分隐私的声学特征隐私保护方法。该方案利用基于差分隐私的声纹匿名方法,采用指数机制对用户的声纹进行匿名,使用多说话人语音合成方法将匿名后的声纹与脱敏后的语音内容合成语音波形。实验结果表明,该方法实现了既保护用户声纹隐私,又能保持数据效用,合成之后的语音仍然具有较好的语义可理解度与自然度。(3)基于以上两部分研究内容,设计并实现了基于差分隐私的语音数据隐私保护系统,分析了语音隐私保护系统的需求,对录音、语音可视化、敏感语音内容过滤以及声音匿名等功能模块进行了验证,展示了系统的相关页面。该系统可以在保持语音数据质量的同时,从语音信号中去除说话人身份和敏感的语音内容。

关键词：语音信号处理语音隐私差分隐私声纹识别语音合成

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

语音助理中用户数据的云端匿名化技术研究

语音助理中用户数据的云端匿名化技术研究

作者：李鹏北京交通大学

学位级别：硕士

以智能音箱为代表的语音助手终端近年来在市场上深受消费者喜爱,给人们的生活带来了极大便利。然而,语音助手终端同时会收集使用者的声音数据。一方面,声音数据不仅包含说话者的声音生物特征信息,还可能包含个人情绪、兴趣爱好等隐私信... 详细信息

以智能音箱为代表的语音助手终端近年来在市场上深受消费者喜爱,给人们的生活带来了极大便利。然而,语音助手终端同时会收集使用者的声音数据。一方面,声音数据不仅包含说话者的声音生物特征信息,还可能包含个人情绪、兴趣爱好等隐私信息。另一方面,服务提供商的很多行为对用户是不透明的,这些行为可能包括隐私侵犯或隐私泄露。因此,用户的语音数据隐私保护问题亟待解决。现有的用户语音数据隐私保护方法多是在语音数据上传云服务前对语音数据进行隐私保护处理,会影响用户的使用体验。此外,多数方法仅关注语音数据包含的一类隐私,如情绪隐私,并不能有效保护语音数据包含的多类隐私。为此,本文开展了如下研究:(1)针对用户语音数据的隐私保护问题,将假名技术引入语音助手场景,实现用户语音数据的匿名化。在假名技术下,设备终端使用不同假名访问云服务并在与云服务的交互过程中上传用户语音数据,云服务无法将语音数据链接到真实用户,用户的隐私可以得到有效保护。(2)针对设备终端与云服务之间的匿名认证问题,应用了基于变色龙哈希的身份认证协议,实现了设备终端和云服务的快速认证,同时考虑了不同通信实体的实际计算能力,在原有身份认证协议基础上提出了交互上的改进,显著降低了计算时间,并且证明了改进后的协议在随机预言模型下是安全的。(3)针对用户在检索匿名化的语音数据时会向云服务泄漏个人与语音数据之间以及语音数据彼此之间的关联关系的问题,提出了基于不经意传输的匿名安全检索。在匿名安全检索中,云服务将包含检索者语音数据在内多个用户语音数据发送给检索者,检索者只能获得自己的语音数据,云服务则无法区分哪些语音数据属于检索者,这有效保护了检索者的语音数据隐私。本文工作能够实现用户语音数据隐私的有效保护并满足实际中用户对个人语音数据的检索需求。在用户数据匿名化中,假名的授权、认证和更换过程均在设备终端与云服务的交互之前,所以本文的匿名化方法并不会对交互过程产生时延上的影响,具有很好的实用性;在匿名安全检索中,不经意传输是建立在椭圆曲线公钥系统之上,可以有效利用系统参数,从整体上减少系统开销,具有重要实用价值。

关键词：语音隐私匿名化假名变色龙哈希不经意传输

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

用户音频数据隐私保护研究

用户音频数据隐私保护研究

作者：朱昊中国科学技术大学

学位级别：硕士

近年来,智能语音终端已经普及到我们生活的每个角落,它们为日常生活带来了许多便利,但同时也会引发蕴含在用户语音中隐私的泄露,这可能对用户的财产安全、人身安全形成威胁。为了避免语音终端服务商以及潜在的攻击者对用户语音的暗自利... 详细信息

近年来,智能语音终端已经普及到我们生活的每个角落,它们为日常生活带来了许多便利,但同时也会引发蕴含在用户语音中隐私的泄露,这可能对用户的财产安全、人身安全形成威胁。为了避免语音终端服务商以及潜在的攻击者对用户语音的暗自利用,本文基于循环对抗生成神经网络提出了一种跨模型的语音情绪隐私保护框架机制Privacy++,该机制不仅可以保护用户语音蕴含的情绪隐私,还可以让用户继续享受智能语音服务,实现在安全和便利的一种理想的权衡。具体来说,当智能手机等终端设备从用户那里接收语音命令时,我们的机制会将命令从原始情绪转换为另一种情绪,同时保护语音中的语义信息,服务商和攻击者也因此无法获得用户的情绪隐私。为了实现上述机制,首先我们使用了资源节约型的卷积神经网络和随机森林情绪分类器,两种模型一方面检验Privacy++对于情绪隐私的保护能力,另一方面基于我们的Boosting算法去强化机制的隐私保护能力。其次,我们基于CycleGAN设计了 VC算法模型,此算法实现了从原始情绪到目标情绪的转换过程,同时保护了语音数据对应的语义信息在转换前后保持一致性,从而帮助用户在保护隐私的同时享受智能终端提供的服务。为了降低机制被服务商以及恶意攻击者发现并破解的可能性,我们在机制的设计中提出了RandomChoosing算法,该算法基于蒙特卡洛采样以及原始数据的情绪分布规律,通过取随机数减少语音转换后情绪分布同原始语音的分布差异,最终提高了 Privacy++的实用性。为了验证上述算法的有效性,我们分别进行了客观和主观两种角度的实验。首先,我们利用多种评估指标在边缘、服务器端展开客观性实验,即评估Privacy++对于随机森林、卷积神经网络分类器情绪识别能力的干扰力度。其次在主观性实验中,我们选取合适的听众进行了平均意见分数测试,然后比较过滤前后语音的测试分数。由实验结果可知,Privacy++在边缘端、服务器端均能维护语音的内容信息,还能过滤原始的情绪隐私。

关键词：语音隐私深度学习信号处理情绪分析