Fugu-MT 論文翻訳(概要): Multi-Level Privacy-Preserving Dementia Detection from Speech via Targeted Adversarial Obfuscation and Representation Learning

論文の概要: Multi-Level Privacy-Preserving Dementia Detection from Speech via Targeted Adversarial Obfuscation and Representation Learning

arxiv url: http://arxiv.org/abs/2607.17098v1
Date: Sun, 19 Jul 2026 06:48:54 GMT
ステータス: 翻訳完了
システム内更新日: 2026-07-21 18:48:37.356373
Title: Multi-Level Privacy-Preserving Dementia Detection from Speech via Targeted Adversarial Obfuscation and Representation Learning
Title（参考訳）: 対向的難読化と表現学習による音声からの多レベルプライバシ保存型認知症検出
Abstract要約: 認知症検出に用いられる音声記録は、話者のアイデンティティを公開し、重要なプライバシー上の懸念を提起する。 2つの異なる盗聴ベクトルを中和する多層フレームワークを提案する。信号レベルでは、累積信号攻撃はキーワード整列領域の摂動に集中し、転写エラーを最大化する。特徴レベルにおいて、相互情報(MI)誘導ノイズ注入を用いたグラディエント・リバーサル層(GRL)は、話者識別次元を抑制する。
参考スコア（独自算出の注目度）: 2.4214594180459366
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Speech recordings used for dementia detection inherently expose speaker identity, raising critical privacy concerns. Existing methods typically address only singular threats and fail to resolve the privacy--utility trade-off. We propose a multi-level framework designed to neutralize two distinct eavesdropping vectors. At the signal level, a Cumulative Signal Attack (CSA) concentrates perturbations in keyword-aligned regions to maximize transcription error (Word Error Rate WER = 1.00) while preserving vital prosodic biomarkers. At the feature level, a Gradient Reversal Layer (GRL) with Mutual Information (MI)-guided noise injection suppresses speaker-discriminative dimensions while retaining dementia-relevant diagnostic structure. Evaluated on the DementiaBank Pitt Corpus, our framework achieves near-chance speaker identification (Equal Error Rate EER = 0.59, F1 = 0.003) while maintaining strong dementia classification performance (F1 = 0.78, AUC = 0.86).
Abstract（参考訳）: 認知症検出に用いられる音声記録は、本質的に話者のアイデンティティを公開し、重要なプライバシー上の懸念を提起する。既存の方法は通常、特定の脅威にのみ対処し、プライバシ-ユーティリティトレードオフの解決に失敗する。 2つの異なる盗聴ベクトルを中和する多層フレームワークを提案する。信号レベルでは、累積信号攻撃 (CSA) は、単語誤り率WER = 1.00) を最大化するためにキーワード整列領域の摂動に集中し、重要な韻律的バイオマーカーを保存する。特徴レベルにおいて、相互情報(MI)誘導ノイズ注入によるグラディエントリバーサル層(GRL)は、認知症関連診断構造を維持しつつ、話者識別次元を抑える。 DementiaBank Pitt Corpus で評価した結果, 認知症分類性能(F1 = 0.78, AUC = 0.86)を維持しつつ, ほぼ一致話者識別(EER = 0.59, F1 = 0.003)を実現した。

関連論文リスト

CCMAN: Cognitive Instability-Aware Cross-Modal Attention Network for Interpretable Temporal Biomarkers of Verbal Fluency Speech [7.12685963584208]
音声からの認知低下の早期検出は、従来の臨床評価に代わるスケーラブルで非侵襲的な代替手段を提供する。本稿では,タスク非依存の認知音声表現を学習する伝達学習フレームワークである認知不安定を考慮したクロスモーダル・アテンション・ネットワーク(CCMAN)を提案する。 843人の参加者から165.44時間のスピーチを行った。
論文参考訳（メタデータ） (2026-09-13T19:55:08Z)
Transcript-Free Lightweight Detection of Alzheimer's Disease from Spontaneous Speech Using Handcrafted MFCC-Dominant Acoustic Biomarkers [7.901493394283502]
アルツハイマー病(AD)の早期発見はいまだに困難であり、特に神経画像撮影が高価であったり、言語に依存したツールが入手できない場合はなお困難である。我々は,DementiaBankコーパスから176個のCookie Theftレコードを用いてADを検出するための,シンプルで音声のみのベースラインを提供する。ポーズや統計,スペクトル/韻律記述子,流速要約など,99個の手作り音響時間特徴を抽出した。
論文参考訳（メタデータ） (2026-07-11T07:19:16Z)
Towards Personalized Federated Learning for Dysarthric Speech Recognition [49.291957451546914]
本稿では,パラメータベースの平均化戦略と埋め込みベースの平均化戦略を含む,パーソナライズを実現するための2つのアグリゲーション戦略について検討する。 UASpeech と TORGO の実験により、提案手法は、UASpeech の 0.99% と TORGO の 0.56% (4.73% ) と、統計学的に有意な WER の 0.99% の絶対値(3.15% の相対値)の削減により、ベースライン正規化の FedAvg よりも優れていることが示された。
論文参考訳（メタデータ） (2026-06-11T12:10:57Z)
National Institute on Aging PREPARE Challenge: Early Detection of Cognitive Impairment Using Speech -- The SpeechCARE Solution [1.0486773259892048]
アルツハイマー病と関連する認知症は、60歳以上の成人の5人に1人に影響を与えるが、認知低下した人の半数以上が未診断のままである。 SpeechCAREは、認知障害に関連する微妙な音声関連手がかりをキャプチャするマルチモーダル音声処理パイプラインである。その堅牢な前処理には、自動転写、大規模言語モデル(LLM)に基づく異常検出、タスク識別が含まれる。
論文参考訳（メタデータ） (2025-11-11T11:39:20Z)
Generalizable Speech Deepfake Detection via Information Bottleneck Enhanced Adversarial Alignment [48.73836179661632]
信頼誘導対向アライメントは、識別的手がかりを消去することなく攻撃固有のアーティファクトを適応的に抑制する。 IB-CAANは、多くのベンチマークにおいて、ベースラインと最先端のパフォーマンスを一貫して上回る。
論文参考訳（メタデータ） (2025-09-28T03:48:49Z)
VoxGuard: Evaluating User and Attribute Privacy in Speech via Membership Inference Attacks [51.68795949691009]
差分プライバシとメンバシップ推論に基づくフレームワークであるVoxGuardを紹介した。属性については, 匿名化後も, 性別やアクセントをほぼ完全精度で再現できることが示唆された。以上の結果から,EERはリークを著しく過小評価し,低FPR評価の必要性を浮き彫りにしている。
論文参考訳（メタデータ） (2025-09-22T20:57:48Z)
Prosody-Driven Privacy-Preserving Dementia Detection [3.9530780161144667]
本研究の目的は,認知症検出のための診断ユーティリティを保ちつつ,埋め込みを匿名化することである。本稿では,認知症に関連する韻律的特徴を話者埋め込みから切り離すために,ドメイン知識を活用した新しいアプローチを提案する。
論文参考訳（メタデータ） (2024-07-03T19:34:47Z)
Automatically measuring speech fluency in people with aphasia: first achievements using read-speech data [55.84746218227712]
本研究の目的は,言語習得の分野で開発された信号処理algorithmの関連性を評価することである。
論文参考訳（メタデータ） (2023-08-09T07:51:40Z)
The effect of speech pathology on automatic speaker verification -- a large-scale study [6.468412158245622]
病的スピーチは健康なスピーチに比べてプライバシー侵害のリスクが高まっていますディスフォニアの成人は再識別のリスクが高まる一方、ディスフォニアのような症状は健康な話者に匹敵する結果をもたらす。病理型間でデータをマージすると、EERは著しく低下し、自動話者検証における病理多様性の潜在的利点が示唆された。
論文参考訳（メタデータ） (2022-04-13T15:17:00Z)
Investigation of Data Augmentation Techniques for Disordered Speech Recognition [69.50670302435174]
本稿では,不規則音声認識のための一連のデータ拡張手法について検討する。正常な音声と無秩序な音声の両方が増強過程に利用された。 UASpeechコーパスを用いた最終話者適応システムと、最大2.92%の絶対単語誤り率(WER)の速度摂動に基づく最良の拡張アプローチ
論文参考訳（メタデータ） (2022-01-14T17:09:22Z)
Class-Conditional Defense GAN Against End-to-End Speech Attacks [82.21746840893658]
本稿では,DeepSpeech や Lingvo といった先進的な音声テキストシステムを騙すために開発された,エンドツーエンドの敵対攻撃に対する新しいアプローチを提案する。従来の防御手法とは異なり、提案手法は入力信号のオートエンコードのような低レベル変換を直接利用しない。我々の防衛GANは、単語誤り率と文レベルの認識精度において、従来の防衛アルゴリズムよりもかなり優れています。
論文参考訳（メタデータ） (2020-10-22T00:02:02Z)

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。