Beyond Neural-on-Neural Approaches to Speaker Gender Protection

要約

最近の研究では、性別推論攻撃を防御するために音声を変更するアプローチが提案されています。
これらの保護アルゴリズムの目的は、プライバシーに敏感な属性である話者の性別に関する情報の入手可能性を制御することです。
現在、ジェンダー保護アルゴリズムの開発とテストの一般的な手法は、「ニューラル オン ニューラル」です。つまり、摂動が生成され、ニューラル ネットワークでテストされます。
この論文では、この慣行を超えてジェンダー保護の研究を強化することを提案します。
まず、従来から使用されている神経分類器と並行して、音声科学者によって歴史的に開発された音声特徴に基づく性別推論攻撃をテストすることの重要性を実証します。
次に、研究者は音声特徴を使用して、保護的な変更が音声信号をどのように変化させるかについての洞察を得る必要があると主張します。
最後に、解釈可能性を高め、マイク前の保護を可能にするために、ジェンダー保護アルゴリズムを、人間が実行する音声適応である新しい「声の敵」と比較する必要があることを指摘します。

要約(オリジナル)

Recent research has proposed approaches that modify speech to defend against gender inference attacks. The goal of these protection algorithms is to control the availability of information about a speaker’s gender, a privacy-sensitive attribute. Currently, the common practice for developing and testing gender protection algorithms is ‘neural-on-neural’, i.e., perturbations are generated and tested with a neural network. In this paper, we propose to go beyond this practice to strengthen the study of gender protection. First, we demonstrate the importance of testing gender inference attacks that are based on speech features historically developed by speech scientists, alongside the conventionally used neural classifiers. Next, we argue that researchers should use speech features to gain insight into how protective modifications change the speech signal. Finally, we point out that gender-protection algorithms should be compared with novel ‘vocal adversaries’, human-executed voice adaptations, in order to improve interpretability and enable before-the-mic protection.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google