该论文针对自主语音代理之间交易嵌入、频谱图或原始数据等资产的市场场景,提出WaveCommitments端到端方案。其核心矛盾在于:卖方因隐私限制无法公开资产供评估,买方则无法为未经测试的资产定价。作者将多元多项式承诺与基于Data Shapley的保密资产估值相结合,并置于可信执行环境中,实现选择性披露和防篡改溯源,既能证明交付资产与估值相符,又隐藏其余信息。在三个标准数据集及Whisper等先进编码器上的实验显示,该方法相较最强基线提速最高18.1倍,证明体积缩小最高43.2倍;研究还分析了说话人价值随任务和编码器的变化,揭示出代理层面的市场价格。
| WaveCommitments | 本文提出的端到端设计,结合多项式承诺与机密估值,用于隐私保护的语音代理市场。 |
| 多元多项式承诺 | 一种密码学承诺方案,允许对多元多项式进行承诺并支持选择性开放,用于验证资产完整性。 |
| Data Shapley | 基于Shapley值的的数据估值方法,用于公平量化数据资产对模型训练的贡献。 |
| 可信执行环境 | 硬件隔离的安全计算环境,确保代码和数据在运行时的机密性与完整性。 |
| 选择性开放 | 允许仅公开承诺中特定部分而隐藏其余信息的机制,用于隐私保护验证。 |
📱 每天一份 AI 前沿日报
关注公众号,每天 09:00 推送 · 不错过任何重磅