返回
Speaker Inference Detection Using Only Text
DOI:10.1007/978-981-95-3537-8_15.png)
摘要
En 中文
物联网(IoT)设备获取的音频可能无意中泄露可识别个人身份的信息(PII),尤其是在与相关文本数据结合时。因此,开发用于检测对比语言-音频预训练(CLAP)等音频模型中隐私泄露的鲁棒工具势在必行。现有的成员推断攻击(MIAs)需要音频输入,这不仅威胁声纹安全,还需昂贵的影子模型训练。为克服这些限制,我们提出了SIDG,一种完全基于无意义文本的说话人级推断检测器。我们的方法生成确保不在训练语料库中的随机文本序列,通过CLAP提取其特征表示,并在这些表示上训练异常检测器。在推理阶段,每个测试文本的特征向量由异常检测器评估以确定成员状态:异常表示说话人在训练集中存在,而正常表示非成员。此外,当有真实说话人音频时,SIDG可以整合其信息以进一步提升检测精度。在多个数据集上的广泛实验表明,SIDG在仅依赖文本数据的基础上优于基线方法。我们的源代码和数据集可通过匿名链接获取。
Keyword:
Privacy leakage detection
Membership inference
Contrastive pretraining
Personal identicalinformation
期刊
I
IF:
0
论文数:
23
被引数:
0
机构
引用论文
CLAP: Contrastive Language-Audio Pre-training Model for Multi-modal Sentiment AnalysisCLAP:用于多模态情感分析的对比语言-音频预训练模型

