中文机翻：NIST：说话人身份识别系统中身份泄漏的评估（2025） 7页_transResult

“Evaluating Identity Leakage in Speaker De-Identification Systems”一文介绍了一种用于量化说话人去识别系统中残留身份泄露的基准测试方法，该方法包含三个互补的错误率指标。研究结果表明，所有现有系统都存在身份信息泄露问题，即使是性能最佳的系统也仅略优于随机猜测，而性能最差的系统在前50个候选者中的命中率达到了45%。这凸显了当前说话人去识别技术中持续存在的隐私风险。 1. **说话人去识别系统**：五个系统提交给NIST评估，目标是防止说话人识别模型链接原始语音和去识别后的语音，并确保为同一说话人生成的去识别语音片段的一致性或差异性。 2. **评估** - **数据**：评估集来自Mixer 3语料库，保留至少有五个录音会话的美国英语母语者，共223人。 - **试验**：设计了不同的试验场景，包括目标试验和非目标试验，以评估系统在不同条件下的性能。 - **说话人识别系统**：使用了三种基于不同架构和训练策略的说话人识别模型。 - **去识别有效性**：通过比较原始语音和去识别后的语音，评估系统打破两者之间联系的能力。 - **匿名稳定性和配置文件冲突**：评估系统是否能在不同话语中保持一致的伪语音。 - **同一说话人匿名配置文件的区别**：测试不同匿名配置文件生成的去识别片段是否可区分。 - **测量身份泄露**：使用三种指标来衡量身份泄露，包括CMC命中率、AUC-CMC和嵌入空间相似度。 3. **结论**：多视图分析表明，身份泄露是普遍存在的，但具有异质性。单一指标评估可能会误判风险，所有系统都存在可检测到的身份泄露痕迹。