IO-RAE: 可逆的敵対的サンプルによる音声プライバシー保護の新しいアプローチ

この論文は、音声を難読化しながら可逆性を維持する敵対的サンプルを生成するためにLLMを活用し、音声プライバシーのための有望な技術を提示します。特に商用ASRシステムに対する高い誤誘導率は、大きな可能性を示唆していますが、適応攻撃に対する手法の堅牢性、および敵対的サンプルの生成と反転の計算コストに関して、さらなる精査が必要です。LLMへの依存は、対処する必要がある潜在的なバイアスも導入します。

• •IO-RAEフレームワークは、音声プライバシーのために可逆的な敵対的サンプルを使用します。
• •累積信号攻撃は、高周波ノイズを軽減します。
• •Googleを含むASRモデルに対して高い誤誘導率を達成します。