Dissertação

{en_GB=Privacy Enhanced Voice Recognition} {} EVALUATED

{pt=A tecnologia de reconhecimento de fala é usada há bastante tempo mas com o avanço da tecnologia dos dispositivos móveis, começou a ser mais fácil de aceder. Hoje em dia, a população usa o reconhecimento de fala ao falar para os seus telemóveis, usando assim a sua voz como ferramenta para a interacção. Com a evolução das arquitecturas de computador que trazem mais poder computacional e com a evolução das técnicas de machine learning, o processo de reconhecimento tornou-se mais rápido, eficaz e eficiente. Hoje em dia, a maioria dos reconhecimentos de fala são realizados num cenário onde um utilizador usa o seu smartphone para gravar a sua fala e envia-a para um servidor para que este possa proceder ao reconhecimento usando o seu poder computacional. Esta operação é realizada com dados de ambas as partes e levanta alguns problemas de segurança uma vez que cada parte quer manter os seus dados privados relativamente à outra parte. O use dos Garbled Circuits era apenas vistos como de interesse teórico durante bastante tempo mas com os avanços efectuados durante os últimos anos, estão agora a começar a ser testados em cenários mais práticos. Os Modelos Ocultos de Markov são modelos que têm sido objecto de uma larga utilização no reconhecimento de fala e representam as caraterísticas acústicas da lingua falada. Esta tese introduz o estudo e validação experimental de novas soluções de reconhecimento de fala com garantias de privacidade usando os Modelos Ocultos de Markov e os Garbled Circuits., en=Speech recognition technology has been in use for a long time but with the last advancements of mobile device technology, it is now easier to get access to it. Nowadays, people use speech recognition speaking to their smartphones, using their voices to interact with it. The recognition process is also faster, more effective and more efficient due to new computer architectures that bring more computational power and as a result of machine learning advancements. Nowadays, to conduct a speech recognition, we can consider a scenario where a user records its speech with a smartphone, sends it to a server, and the server performs the recognition using the recognition models and the computational power it has. This is an operation performed with data from both parties and, as such, some security issues arise since each party wants to keep their own data private from the other party. The use of Garbled Circuits was only been seen as of theoretical interest for a long time, but with last years advances, they are now starting to be tested and used in some practical scenarios. Hidden Markov Models are widely used models in speech recognition representing the acoustic characteristics of spoken language. This thesis introduces the study and experimental validation of novel privacy-preserving speech recognition solutions using Hidden Markov Models and Garbled Circuits. }
{pt=Reconhecimento de Fala, Modelos Ocultos de Markov, Algoritmo de Forward, Privacidade, Computação segura entre duas partes, Garbled Circuits, en=Speech Recognition, Hidden Markov Models, Forward Algorithm, Privacy, Secure Two-party Computation, Garbled Circuits}

Novembro 20, 2015, 14:0

Publicação

Obra sujeita a Direitos de Autor

Orientação

ORIENTADOR

Carlos Nuno da Cruz Ribeiro

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Professor Associado

ORIENTADOR

Alberto Abad Gareta

Departamento de Engenharia Informática (DEI)

Professor Auxiliar