Les modèles acoustiques personnalisés sont construits par entraînement à partir de données provenant d’un locuteur unique en raffinant un modèle générique. Une question importante est de savoir si l’accès à ces modèles personnalisés permet facilement de construire une attaque permettant d’identifier le locuteur associé. Ce problème est important dans le contexte de l’apprentissage fédéré de modèles pour la reconnaissance de la parole où un modèle global est appris sur un serveur à partir des modifications des paramètres des modèles reçues de plusieurs clients. Nous proposons une méthode qui consiste à construire des empreintes de ces modèles à partir des traces de leur application sur un jeu de données fixe et indépendant que nous appelons indicateur. Grâce à ces empreintes, nous développons deux modèles d’attaques très efficaces qui visent à inférer l’identité du locuteur.
Cite as: Tomashenko, N., Mdhaffar, S., Tommasi, M., Estève, Y., Bonastre, J.-F. (2022) Sur la vérification du locuteur à partir de traces d'exécution de modèles acoustiques personnalisés. Proc. XXXIVe Journées d'Études sur la Parole -- JEP 2022, 861-870, doi: 10.21437/JEP.2022-91
@inproceedings{tomashenko22_jep,
author={Natalia Tomashenko and Salima Mdhaffar and Marc Tommasi and Yannick Estève and Jean-François Bonastre},
title={{Sur la vérification du locuteur à partir de traces d'exécution de modèles acoustiques personnalisés}},
year=2022,
booktitle={Proc. XXXIVe Journées d'Études sur la Parole -- JEP 2022},
pages={861--870},
doi={10.21437/JEP.2022-91}
}