计算机科学 > 密码学与安全
[提交于 2025年7月14日
]
标题: 声音背后的人员:通过多模态大语言模型代理解音频私有属性分析
标题: The Man Behind the Sound: Demystifying Audio Private Attribute Profiling via Multimodal Large Language Model Agents
摘要: 我们的研究揭示了与多模态大语言模型(MLLMs)相关的一种新型隐私风险:从音频数据中推断敏感个人属性的能力——我们称之为音频私有属性分析。 这种能力构成重大威胁,因为音频可以未经直接交互或可见性的情况下被隐蔽捕获。 此外,与图像和文本相比,音频具有独特的特征,如语气和音调,这些特征可以用于更详细的分析。 然而,在理解MLLM从音频中使用的私有属性分析时存在两个关键挑战:(1) 缺乏带有敏感属性注释的音频基准数据集,以及 (2) 当前MLLM直接从音频中推断此类属性的能力有限。 为了解决这些挑战,我们引入了AP^2,一个由从现实世界数据中收集和组合的两个子集组成的音频基准数据集,并且都带有敏感属性标签。 此外,我们提出了Gifts,一种混合多智能体框架,利用音频-语言模型(ALMs)和大语言模型(LLMs)的互补优势来增强推理能力。 Gifts使用LLM指导ALM推断敏感属性,然后对ALM的推断进行法医分析和整合,克服现有ALMs在生成长上下文响应时的严重幻觉问题。 我们的评估表明,Gifts在推断敏感属性方面显著优于基线方法。 最后,我们研究了模型级和数据级防御策略以减轻音频私有属性分析的风险。 我们的工作验证了使用MLLM进行基于音频的隐私攻击的可行性,突显了需要强大的防御措施,并提供了一个数据集和框架以促进未来的研究。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.