FOR 2457 – Privatsphäre-erhaltende Audiomerkmale für die Gruppierung und Klassifikation in akustischen Sensornetzen (Teilprojekt)

Die allgegenwärtige Verwendung von tragbaren intelligenten Geräten hat zu einer weiten Verbreitung von akustischen Sensoren geführt. Offensichtlich führen die Anwesenheit dieser Sensoren und die in diesem Zusammenhang eingesetzten Algorithmen des maschinellen Lernens zu einem hohem Risiko für die Privatsphäre, insbesondere wenndie Geräte über ein akustisches Sensornetz mit einem Internet verbunden sind. In diesem Fall kann der Schutz der Privatsphäre verbessert werden, wenn die Sensoren so konzipiert sind, dass sie ihre zugewiesenen Aufgabe mit maximaler Leistung erfüllen, ohne jedoch mehr Informationen preiszugeben als hierfür notwendig. Dies erfordert eine gute Balance zwischen der zugewiesenen Aufgabe und der Einschränkung aufgabenfremder Informationen (Datenschutz).In der zweiten Phase der Forschungsgruppe "Akustische Sensornetze" werden wir weiter das oben erwähnte Gleichgewicht zwischen dem Nutzen und dem Schutz der Privatsphäre im Kontext von Clustering-, Klassifizierungs- und Signalverbesserungsaufgaben untersuchen. Während die grundlegende Funktion des Konzepts bereits in der erstenPhase nachgewiesen wurde, werden wir uns jetzt auf herausfordernde reale Szenarien mit Sprach-, Musik- und Geräuschquellen konzentrieren. Dabei betrachten wir unter anderem das Clustering unter dynamisch veränderlichen Bedingungen, komplexe Klassifizierungs- und Erkennungsaufgaben basierend auf Szenarien mit mehreren Quellen und berücksichtigen dabei neue netzweite Kostenfunktionen. Wir wollen hiermit ein tieferes funktionales Verständnis des Verhaltens und der Grenzen von Merkmalsdarstellungen, die den Schutz der Privatsphäre gewährleisten, erarbeiten.Basierend auf den Ergebnissen der ersten Projektphase werden wir tiefe neuronale Netzstrukturen (z. B. "adversarial", "variational information" und siamesische Netze) für die Merkmalsextraktion untersuchen. Diese haben sich bereits als äußerst erfolgreiche Werkzeuge für die Konstruktion von Audiomerkmalen mit Schutz der Privatsphäreerwiesen. Darüber hinaus werden wir den Schwerpunkt auf den praktisch wichtigen Fall der Merkmalsextraktion in Gegenwart von Sprachsignalen legen, für den wir Merkmale entwickeln werden, die z. B. die Klassifizierung von Geräuschquellen in Smart-Home-Anwendungen erlauben und dabei die Sprachinformationen verschleiern und somit diePrivatsphäre schützen.

DFG-Verfahren Forschungsgruppen

Teilprojekt zu FOR 2457: Akustische Sensornetze

Mitverantwortlich Professor Dr.-Ing. Reinhold Häb-Umbach