基于差分隐私和三维混沌映射的语音检索鲁棒哈希方法研究

《Digital Signal Processing》：Privacy-Preserving Robust Hashing via 3D Chaotic Mapping for Speech Retrieval

本文提出一种基于差分隐私（DP）的语音检索模型DPRCM-Hash，通过新型三维指数余弦鲁棒混沌映射（3D-ECRM）生成高复杂度混沌序列，结合DP双K中心均值聚类（DP-DKCM）算法保护数据隐私。实验表明该方法在798比特位下错误接受率（FAR）和错误拒绝率（FRR）曲线位于(0.24,0.42)区间，平均检索时间达1.96×10?3秒，显著提升语音模板的安全性与检索效率。

　　

Section snippets

DP-Gauss

为防止数据处理过程中的隐私泄露，本研究将差分隐私（DP）技术应用于降维后的特征数据，并通过高斯机制增强数据安全性。实验结果表明，当隐私预算参数?设为2.0时，符合Dwork等人提出的隐私预算分配原则，能有效平衡隐私保护与数据效用。

算法M满足(?,δ)-DP的条件为：

Pr[M(D)∈S] ≤ exp^? Pr[M(D′)∈S] + δ

DPRCM-Hash语音检索模型

为提升语音检索效率，本文提出DPRCM-Hash语音检索模型。该模型利用DP-DKCM算法获取经噪声扰动的聚类中心，初始化3D-ECRM以生成高度不可预测的混沌序列。这些序列与语音特征向量进行内积运算，构建生物特征模板，最终生成生物哈希索引表以实现高效语音检索。

实验结果与分析

实验硬件平台为INTEL CORE i5-13400F处理器（2.4GHz）、32GB内存，软件环境为MATLAB R2022a。本研究采用帧长L=200、帧移M=80的参数设置。

结论

本文提出一种基于差分隐私的鲁棒混沌映射哈希语音检索模型。核心方法采用差分隐私双K中心均值聚类机制保障数据安全，结合高复杂度的指数余弦鲁棒混沌映射生成安全且鲁棒的哈希模板。实验证明该映射的混沌特性优于传统方法，在语音内容保持操作（如噪声添加和MP3压缩）下仍保持模板稳定性。