論文の概要: Evaluating X-vector-based Speaker Anonymization under White-box Assessment

• arxiv url: http://arxiv.org/abs/2109.11946v2
• Date: Thu, 30 Sep 2021 09:04:53 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-10 11:48:16.883858
• Title: Evaluating X-vector-based Speaker Anonymization under White-box Assessment
• Title（参考訳）: ホワイトボックス評価によるXベクトル話者匿名化の評価
• Authors: Pierre Champion (Inria), Denis Jouvet (Inria), Anthony Larcher (LIUM)
• Abstract要約: Voice Privacyチャレンジのシナリオでは、ソーススピーカーからすべての発話を同じターゲットIDに適合させることで、匿名化を実現する。 本稿では,標的選択を特定のアイデンティティに限定して,ホワイトボックス評価の下での極端な脅威を評価することを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In the scenario of the Voice Privacy challenge, anonymization is achieved by converting all utterances from a source speaker to match the same target identity; this identity being randomly selected. In this context, an attacker with maximum knowledge about the anonymization system can not infer the target identity. This article proposed to constrain the target selection to a specific identity, i.e., removing the random selection of identity, to evaluate the extreme threat under a whitebox assessment (the attacker has complete knowledge about the system). Targeting a unique identity also allows us to investigate whether some target's identities are better than others to anonymize a given speaker.
• Abstract（参考訳）: 音声プライバシー問題(Voice Privacy Challenge)のシナリオでは、ソース話者から全ての発話を同じターゲットIDに一致するように変換することで匿名化が達成される。 この文脈では、匿名化システムに関する最大知識を持つ攻撃者は、ターゲットのアイデンティティを推測することはできない。 本稿は、標的選択を特定のアイデンティティ、すなわちランダムなアイデンティティの選択を排除し、ホワイトボックスアセスメントの下で極端な脅威を評価することを提案した(攻撃者はシステムについて完全な知識を持っている)。 また、特定の話者を匿名化するために、ターゲットのアイデンティティが他の話者よりも優れているかどうかを調査することができる。

関連論文リスト

• SAIC: Integration of Speech Anonymization and Identity Classification [3.8871771267431035]
  音声匿名化と同一性分類を統合する革新的なパイプラインであるSAICを提案する。 SAICは、Voxceleb1データセット上の話者識別分類タスクにおいて、顕著なパフォーマンスを示し、最先端の96.1%の精度で最先端に到達している。
  論文  参考訳（メタデータ） (2023-12-23T08:14:33Z)
• PRAT: PRofiling Adversarial aTtacks [52.693011665938734]
  PRofiling Adversarial aTacks (PRAT) の新たな問題点について紹介する。 敵対的な例として、PRATの目的は、それを生成するのに使用される攻撃を特定することである。 AIDを用いてPRATの目的のための新しいフレームワークを考案する。
  論文  参考訳（メタデータ） (2023-09-20T07:42:51Z)
• Anonymizing Speech: Evaluating and Designing Speaker Anonymization Techniques [1.2691047660244337]
  音声ユーザインタフェースの利用が増加し、音声データの収集と保存が急増した。 本論文は、音声の匿名化と匿名化の程度を評価するためのソリューションを提案する。
  論文  参考訳（メタデータ） (2023-08-05T16:14:17Z)
• Invisible Backdoor Attack with Dynamic Triggers against Person Re-identification [71.80885227961015]
  個人再識別(ReID)は、広範囲の現実世界のアプリケーションで急速に進展しているが、敵攻撃の重大なリスクも生じている。 動的トリガー・インビジブル・バックドア・アタック(DT-IBA)と呼ばれる,ReIDに対する新たなバックドア・アタックを提案する。 本研究は,提案したベンチマークデータセットに対する攻撃の有効性と盗聴性を広範囲に検証し,攻撃に対する防御手法の有効性を評価する。
  論文  参考訳（メタデータ） (2022-11-20T10:08:28Z)
• Symmetric Saliency-based Adversarial Attack To Speaker Identification [17.087523686496958]
  我々は、対称サリエンシに基づくエンコーダデコーダ(SSED)と呼ばれる、新しい世代ネットワークベースのアプローチを提案する。 まず,新規な唾液マップデコーダを用いて,対象話者識別システムの決定に対する音声サンプルの重要性を学習する。 第2に,話者を音源から遠ざける角度損失関数を提案する。
  論文  参考訳（メタデータ） (2022-10-30T08:54:02Z)
• Unsupervised Text Deidentification [101.2219634341714]
  個人識別情報を漏洩する単語を隠蔽する教師なしの識別手法を提案する。 K匿名性に基づくプライバシによって動機づけられた私たちは、最小の再識別ランクを保証するリアクションを生成します。
  論文  参考訳（メタデータ） (2022-10-20T18:54:39Z)
• Zero-Query Transfer Attacks on Context-Aware Object Detectors [95.18656036716972]
  敵は、ディープニューラルネットワークが誤った分類結果を生成するような摂動画像を攻撃する。 自然の多目的シーンに対する敵対的攻撃を防御するための有望なアプローチは、文脈整合性チェックを課すことである。 本稿では,コンテキスト整合性チェックを回避可能な,コンテキスト整合性攻撃を生成するための最初のアプローチを提案する。
  論文  参考訳（メタデータ） (2022-03-29T04:33:06Z)
• Backdoor Attack against Speaker Verification [86.43395230456339]
  学習データを汚染することにより,話者検証モデルに隠れたバックドアを注入できることを示す。 また,既存のバックドア攻撃が話者認証攻撃に直接適用できないことも実証した。
  論文  参考訳（メタデータ） (2020-10-22T11:10:08Z)
• Design Choices for X-vector Based Speaker Anonymization [48.46018902334472]
  第1回VoicePrivacy Challengeのベースラインとして,フレキシブルな擬似話者選択手法を提案する。 LibriSpeechから派生したデータセットを使用して実験を行い、プライバシとユーティリティの観点から設計選択の最適な組み合わせを見つける。
  論文  参考訳（メタデータ） (2020-05-18T11:32:14Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。