arXiv cs.AI· Ridwan Arefeen, Ze Li, Rong Tong, Ming Li, Xiaoxiao Miao·· 10 天前AI 评分23
针对多语言语音匿名化的声学与内容导向说话人验证攻击研究
Exploiting Acoustic and Content-Oriented Speaker Verification Attacks Against Multilingual Voice Anonymization
AI 导读
研究评估了声学导向与内容导向的攻击者 ASV 系统在多语言匿名语音上的表现，发现攻击效果取决于匿名语音的语言可用性，声学导向攻击者整体性能更优。当语言信息保留较好时，内容导向与声学导向攻击者的性能差距较语音失真更强时缩小。研究构建的多语言语音转换数据集进一步提升了性能并部分缩小了跨语言差距，相关代码、预训练模型和 MultiVC 数据集已公开。
正文 · AI 翻译
摘要：用于语音匿名化的攻击者 ASV 系统此前主要在英语中研究，其在多语言环境下的行为在很大程度上尚未被探索。传统 ASV 已表明，声学信息和上下文信息对于多语言说话人验证都很重要。受此启发，我们研究在匿名化语音上攻击者 ASV 是否同样如此。我们评估了面向声学和面向内容的攻击者在多语言匿名化语音上的表现，并构建了一个多语言语音转换数据集以提升跨语言泛化能力。我们的结果表明，攻击者的有效性取决于匿名化语音的语言效用。总体而言，面向声学的攻击者表现更好。然而，当语言信息得到良好保留时，与语音失真更强的情况相比，面向内容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升了性能，并部分缩小了跨语言差距。这些发现凸显了需要更全面的攻击者建模和评估协议，同时考虑隐私和效用，而不是依赖单一的攻击者策略\footnote{完整代码、预训练模型和 MultiVC 数据集链接见：this https URL
| 评论： | 已被 IEEE Spoken Language Technology (SLT) 2026 接收 |
| 主题： | 声音 (cs.SD)；人工智能 (cs.AI) |
| 引用为： | arXiv:2610.08107 [cs.SD] |
| （或 arXiv:2610.08107v1 [cs.SD] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.08107 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Ridwan Arefeen [查看电子邮件]
[v1]
2026年10月6日星期二 10:31:44 UTC（397 KB）
来源：arXiv cs.AI · arxiv.org