通过对抗性扰动抢先防御语音匿名化的重识别攻击

语音匿名化（VA）用于隐藏语音数据中的语音身份。通常使用自动说话人验证 (ASV) 作为代理来评估性能，以判断攻击者在匿名化后重新识别说话人的能力。辩护方将测试言论匿名化；攻击者将它们与同样匿名的参考话语进行比较，以推断语音身份，ASV 性能下降表明匿名化成功。因此，防御者的保护是片面的，并且仅适用于通过 VA 测试话语。尽管到目前为止尚未探索，但也有机会通过保护参考话语来增强匿名化。我们提出了一种新的、先发制人的 VA 范式：使用对抗性噪声来保护参考话语，以降低其推断语音身份的潜力。先发制人的保护不会降低参考话语的感知质量，并且独立于用于身份推断的特定 ASV 系统。通过将抢占式保护和常规测试端VA相结合，ASV等错误率可以从14%提高到45%（近乎完美的隐私）。