迈向可扩展且注重隐私保护的音频监控系统

《IEEE Transactions on Audio, Speech and Language Processing》：Towards a Scalable and Privacy-Preserving Audio Surveillance System

隐私保护语音监控系统设计：基于高效加密PLDA的实时语音匹配

　　

摘要：

人声是一种被动生物特征，可用于监控系统中以唯一地识别个人。它允许执法机构通过在特定区域内部署捕获设备（如麦克风）来检测和追踪嫌疑人。为了解决这种做法所带来的隐私问题，我们提出了一种在公共区域通过声音检测嫌疑人的有效方法，同时保护无辜者的隐私。更具体地说，我们的方法非常适合大规模监控系统，这些系统每天需要分析数百万条录音。我们的隐私保护模型基于最准确的 speaker 识别系统构建，并且我们证明由于增加了隐私保护层而导致的准确性损失可以忽略不计。该系统使用高效的加密算法来安全地计算捕获的语音与嫌疑人数据库中存储的语音之间的相似度得分。具体而言，系统为每个嫌疑人计算加密后的概率线性判别分析（PLDA）得分，并将其与设定的阈值进行无痕匹配。更重要的是，我们发现与现有技术相比，我们的计算和通信开销显著降低，从而实现了实时监控操作。我们的协议仅需要服务器和捕获设备之间进行一轮通信；对于包含100名嫌疑人的数据库，在捕获设备上的在线计算时间为135毫秒，在服务器上为35毫秒，所需的通信数据量为12 KB。

引言

监控系统正在世界各地的许多国家得到部署。监控依赖于多种能够唯一识别个人的生物特征数据。语音就是一个例子，鉴于配备麦克风的便携设备的日益普及，它可以被用于监控目的。在一种简单的监控实现方式中，执法机构（LEA）从公共区域收集录音并提取每个独特语音的特征向量，然后检查其中是否有任何语音存在于嫌疑人的数据库中。然而，这种方法显然侵犯了合法公民的隐私权。事实上，记录的数据可以与录音设备的位置相关联，从而泄露被记录者的精确位置。如果在大规模应用中采用这种简单方法，可能会泄露私人信息，如健康状况、习惯等。此外，关于生物特征信息隐私的国际标准正变得越来越严格。例如，ISO/IEC 24745:2011 标准 [1] 强调了保护生物特征信息隐私的必要性，要求实现不可链接性、不可逆性和可更新性等特性。