词错误率够用吗？用实体感知指标重新思考语音隐私评估

Is Word Error Rate Enough? Rethinking Privacy Evaluation in Speech with Entity-Aware Metrics

AI 导读

研究将 NLP 领域的实体感知隐私指标引入语音隐私评估，检验两种混淆技术对语音内容尤其是命名实体的保护效果。实验显示，在实体丰富数据上微调能提升部分实体类别的攻击性能，但对其他类别无效。作者据此给出建议：指标选择应取决于混淆方法是否保持时间对齐。

正文 · AI 翻译

查看 PDF HTML（实验性）

摘要：随着智能设备的使用不断增加，其捕获敏感语音内容的潜力引发了日益严重的隐私担忧。因此，开发既能防止信息泄露又能保持音频实用性的技术，以及能够准确量化隐私水平而不高估它的评估指标，至关重要。在这项工作中，我们通过将自然语言处理领域的实体感知隐私指标适配到语音隐私领域，评估了两种混淆技术在保护语音内容方面的有效性，特别强调命名实体。此外，我们研究了若干攻击场景，并表明在实体丰富的数据上进行微调可提升某些实体类别的攻击性能，但对其他类别则不然。最后，我们根据混淆方法是否保持时间对齐，提供了关于指标选择的指导。

学科：	音频与语音处理（eess.AS）；计算与语言（cs.CL）；多媒体（cs.MM）；声音（cs.SD）
引用为：	arXiv:2610.08831 [eess.AS]
	（或 arXiv:2610.08831v1 [eess.AS] 用于此版本）
	https://doi.org/10.48550/arXiv.2610.08831 由 DataCite 颁发的 arXiv DOI

提交历史

来自：Anjana Rajasekhar [查看电子邮件]
[v1] 2026年9月27日星期日 11:50:54 UTC（92 KB）

来源：arXiv cs.CL · arxiv.org