论文
以声学与内容说话人验证攻击审计多语音匿名化
Exploiting Acoustic and Content-Oriented Speaker Verification Attacks Against Multilingual Voice Anonymization
摘要
用于语音匿名化的攻击者 ASV 系统主要是用英语进行研究的，而他们在多语言环境中的行为基本上未被探索。传统的 ASV 表明声学和上下文信息对于多语言说话者验证都很重要。受此启发，我们研究了匿名语音上的攻击者 ASV 是否也存在同样的情况。我们在多语言匿名语音上评估面向声学和内容的攻击者，并构建多语言语音转换数据集以提高跨语言泛化能力。我们的结果表明，攻击者的有效性取决于匿名语音的语言效用。总体而言，面向声学的攻击者可以获得更好的性能。然而，当语言信息得到很好的保存时，与涉及更强语音失真的情况相比，面向内容的攻击者和面向声学的攻击者之间的性能差距会缩小。多语言语音转换数据集进一步提高了性能并部分缩小了跨语言差距。这些发现强调需要更全面的攻击者建模和评估协议，同时考虑隐私和实用性，而不是依赖攻击者策略 [1] 完整代码和预训练模型以及 MultiVC 数据集链接可在 https://github.com/monkeyDarefeen/DAST. 上获取
