一种基于差分隐私的联邦声纹识别方法技术

本发明专利技术提出一种基于差分隐私的联邦声纹识别方法，包括一：在服务端进行通用背景模型UBM预训练得到初始通用背景模型UBM；二：客户端接收预训练后的初始通用背景模型UBM，利用本地的私有语音数据进行初始通用背景模型UBM的学习；三：客户端学习得到的统计量进行差分隐私保护；四：服务端聚合多个客户端上传的差分隐私保护后的统计量，更新初始通用背景模型UBM；五：客户端接收更新后通用背景模型UBM，借助本地私有语音数据调整得到该客户端用户的高斯混合模型GMM，利用更新后通用背景模型UBM和该用户的高斯混合模型GMM判别待验证语音是否为该客户端用户所产生。

【技术实现步骤摘要】
一种基于差分隐私的联邦声纹识别方法
本专利技术涉及一种基于差分隐私的联邦声纹识别方法，属于差分隐私和联邦学习技术在声纹识别领域的业务应用。
技术介绍
声纹，是对语音中所蕴含的、能表征和标识说话人的语音特征，以及基于这些特征(参数)所建立的语音模型的总和，而声纹识别是根据待识别语音的声纹特征识别该段语音所对应的说话人的过程。与指纹识别类似，每个人在说话过程中所蕴含的语音特征和发音习惯几乎是独一无二的，即使是模仿，也难以改变说话者最本质的发音特征和声道特征。由于语音具有使用方便、设备成本低和可远程认证等优点，声纹识别的应用场景十分广泛，可以应用于一切需要身份认证的场合，如生活中的门禁系统、金融证劵领域、公安司法领域、军事领域、安全支付领域等。总之，声纹识别逐渐发展成为日常生活与工作中最可靠的同时也是最安全的生物特征识别技术之一，拥有着无限的应用场景和巨大的发展潜力。然而随着声纹识别技术的普及，声纹识别的声纹特征安全问题引起了国内外专家学者的广泛关注。声纹特征同其他生物信息一样，声纹特征具有唯一性，而且相伴终生，一旦声纹特征被特人盗用本文档来自技高网...

【技术保护点】
1.一种基于差分隐私的联邦声纹识别方法，其特征在于：包括如下步骤：/n步骤一：在服务端进行通用背景模型UBM的预训练得到初始通用背景模型UBM，并发送给客户端；/n步骤二：客户端接收预训练后的初始通用背景模型UBM，利用本地的私有语音数据进行初始通用背景模型UBM的学习；/n步骤三：客户端将步骤二学习得到的统计量进行差分隐私保护，并上传给服务端；/n步骤四：服务端聚合多个客户端上传的进行差分隐私保护的统计量，对初始通用背景模型UBM进行更新，得到更新后通用背景模型UBM，并发送给客户端；/n步骤五：客户端接收更新后通用背景模型UBM，并借助本地语音数据进行调整得到该客户端用户的高斯混合模型GM...

【技术特征摘要】
1.一种基于差分隐私的联邦声纹识别方法，其特征在于：包括如下步骤：
步骤一：在服务端进行通用背景模型UBM的预训练得到初始通用背景模型UBM，并发送给客户端；
步骤二：客户端接收预训练后的初始通用背景模型UBM，利用本地的私有语音数据进行初始通用背景模型UBM的学习；
步骤三：客户端将步骤二学习得到的统计量进行差分隐私保护，并上传给服务端；
步骤四：服务端聚合多个客户端上传的进行差分隐私保护的统计量，对初始通用背景模型UBM进行更新，得到更新后通用背景模型UBM，并发送给客户端；
步骤五：客户端接收更新后通用背景模型UBM，并借助本地语音数据进行调整得到该客户端用户的高斯混合模型GMM；利用更新后通用背景模型UBM和该用户的高斯混合模型GMM判别待验证语音是否为该客户端用户所产生。


2.根据权利要求1所述的一种基于差分隐私的联邦声纹识别方法，其特征在于：所述步骤一中，初始通用背景模型UBM为能够拟合通用语音特征的通用背景模型UBM，由服务端利用开源的数据集使用EM算法进行预训练得到。


3.根据权利要求1所述的一种基于差分隐私的联邦声纹识别方法，其特征在于：所述步骤二中，初始通用背景模型UBM的学习过程如下：
定义初始通用背景模型UBM表示成λ＝{wj，μj，σj}，j＝1，...，M，M为初始通用背景模型UBM中高斯模块的个数，wj，μj和σj分别表示第j个高斯模块在UBM中的权重、均值向量以及协方差矩阵；
计算语音特征X＝{x1,...,xT}的第t个分量xt在初始通用背景模型UBM的第c个高斯模块上出现的概率：



利用rc，t计算统计量rc和zc：




...

【专利技术属性】
技术研发人员：廖清，王阳谦，刘洋，蒋琳，王轩，
申请(专利权)人：哈尔滨工业大学深圳，
类型：发明
国别省市：广东;44