1.一种基于同态加密的面向说话人识别系统的隐私保护方法,其特征在于,所述系统包括服务端和客户端;所述客户端提供说话人的声学特征;所述服务端提供用于提取说话人x-vector的深度神经网络模型,所述深度神经网络模型包括若干由卷积层、激活层、归一化层组成的网络模块,以及一连接于最后一个网络模块的统计池化层;对应方法包括:
2.根据权利要求1所述的基于同态加密的面向说话人识别系统的隐私保护方法,其特征在于,在卷积层具体利用simd打包技术和全同态加密算法得到卷积层盲化结果的过程,包括:
3.根据权利要求1所述的基于同态加密的面向说话人识别系统的隐私保护方法,其特征在于,在激活层具体利用百万富翁协议和全同态加密算法得到激活层盲化结果的过程,包括:
4.根据权利要求1所述的基于同态加密的面向说话人识别系统的隐私保护方法,其特征在于,在归一化层具体利用simd打包技术和全同态加密算法得到归一化层盲化结果的过程,包括:
5.根据权利要求1所述的基于同态加密的面向说话人识别系统的隐私保护方法,其特征在于,在统计池化层具体利用引入的多个随机向量和全同态加密算法对所有归一化层加密结果进行同态加密运算得到统计池化层加密结果的过程,包括:
6.根据权利要求1所述的基于同态加密的面向说话人识别系统的隐私保护方法,其特征在于,所述深度神经网络模型还包括:
7.根据权利要求6所述的基于同态加密的面向说话人识别系统的隐私保护方法,其特征在于,在全连接层具体利用simd打包技术和全同态加密算法得到提取的说话人的声学特征的过程包括:
8.根据权利要求1所述的基于同态加密的面向说话人识别系统的隐私保护方法,其特征在于,所述深度神经网络模型为tdnn网络,所述tdnn网络包括5个由卷积层、激活层、归一化层组成的网络模块,以及一连接于最后一个网络模块的统计池化层。