[发明专利]语音隐私保护方法及存储介质在审
申请号: | 202310292210.1 | 申请日: | 2023-03-23 |
公开(公告)号: | CN116631440A | 公开(公告)日: | 2023-08-22 |
发明(设计)人: | 刘忆宁;罗力 | 申请(专利权)人: | 桂林电子科技大学 |
主分类号: | G10L25/51 | 分类号: | G10L25/51;G10L25/03;G10L25/30;H04L9/40 |
代理公司: | 桂林文必达专利代理事务所(特殊普通合伙) 45134 | 代理人: | 白洪 |
地址: | 541004 广西*** | 国省代码: | 广西;45 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 语音 隐私 保护 方法 存储 介质 | ||
1.一种语音隐私数据保护方法,其特征在于,所述方法包括:将训练好的特征分离器部署,通过离线第三方模型训练模块的方式分发到用户端,用户自定义设置需要保护的特征信息,特征分离器根据用户的设置,选择性的对用户的真实语音数据进行分离,将分离出的不包含隐私信息的特征信息,通过对称加密的方式传输给语音服务器,然后语音服务器收到加密特征值后进行解密分析,并推送相应的个性化服务;所述特征分离器的构建包括以下步骤:
(1)将声学特征矢量通过RSFE卷积神经网络模型输出相应的语音特征矢量;
(2)将语音特征矢量输入至多头注意力机制中;
(3)用户在声纹、情绪、健康中选择需要分离的元素,特征分离器通过设置中间参数来控制语音分离的对象,通过在三个特征提取器之间加入互信息损失函数优化特征提取器,实现特征分离。
2.根据权利要求1所述的方法,其特征在于,所述RSFE卷积神经网络模型的构建包括以下步骤:
(1)RSFE卷积神经网络模型结构为13个卷积层、一个长短时记忆网络LSTM、一个注意力层以及一个全连接层;
(2)卷积层的激活函数采用relu函数,池化层采用最大值池化方式,输入的特征通过第一层卷积后,与后12层卷积的结果进行contact连接;
(3)最后的全连接层选用softmax激活函数对所有的dropout层的输出进行回归得到相应的特征输出概率;
(4)对RSFE卷积神经网络模型进行分类任务训练,使用交叉熵损失函数训练出相应的特征提取器。
3.一种非暂态计算机可读存储介质,其特征在于,其上存储有计算机程序,该计算机程序被处理器执行时实现权利要求1或2所述方法的步骤。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于桂林电子科技大学,未经桂林电子科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202310292210.1/1.html,转载请声明来源钻瓜专利网。