KR102374343B1 - 목소리 개인정보 보호 기술을 이용한 학습 데이터베이스 구축 방법 및 시스템 - Google Patents

목소리 개인정보 보호 기술을 이용한 학습 데이터베이스 구축 방법 및 시스템 Download PDF

Info

Publication number
KR102374343B1
KR102374343B1 KR1020210090494A KR20210090494A KR102374343B1 KR 102374343 B1 KR102374343 B1 KR 102374343B1 KR 1020210090494 A KR1020210090494 A KR 1020210090494A KR 20210090494 A KR20210090494 A KR 20210090494A KR 102374343 B1 KR102374343 B1 KR 102374343B1
Authority
KR
South Korea
Prior art keywords
data
voice
learning
sound data
sound
Prior art date
Application number
KR1020210090494A
Other languages
English (en)
Inventor
채정훈
Original Assignee
(주)에이아이매틱스
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by (주)에이아이매틱스 filed Critical (주)에이아이매틱스
Priority to KR1020210090494A priority Critical patent/KR102374343B1/ko
Application granted granted Critical
Publication of KR102374343B1 publication Critical patent/KR102374343B1/ko
Priority to PCT/KR2022/009153 priority patent/WO2023282520A1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L17/00—Speaker identification or verification
    • G10L17/04—Training, enrolment or model building
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
    • G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
    • G06F21/6245—Protecting personal data, e.g. for financial or medical purposes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • G06N5/022—Knowledge engineering; Knowledge acquisition
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L17/00—Speaker identification or verification
    • G10L17/02—Preprocessing operations, e.g. segment selection; Pattern representation or modelling, e.g. based on linear discriminant analysis [LDA] or principal components; Feature selection or extraction
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L21/00—Processing of the speech or voice signal to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
    • G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
    • G10L21/0272—Voice signal separating

Abstract

본 발명은 목소리 개인정보 보호 기술을 이용한 학습 데이터베이스 구축 방법 및 시스템에 관한 것으로, 상기 방법은 소리 데이터를 포함하는 영상 데이터를 수신하는 단계; 상기 영상 데이터로부터 상기 소리 데이터를 분리하는 단계; 상기 소리 데이터로부터 배경음 데이터를 추출하는 단계; 및 상기 소리 데이터가 제거된 영상 데이터 및 상기 배경음 데이터를 학습 데이터로서 저장하는 단계;를 포함한다. 따라서, 본 발명은 기계학습을 위한 학습 데이터로서 개인정보가 보호되는 소리 정보가 포함된 데이터를 확보할 수 있다.

Description

목소리 개인정보 보호 기술을 이용한 학습 데이터베이스 구축 방법 및 시스템{METHOD AND SYSTEM FOR BUILDING TRAINING DATABASE USING VOICE PERSONAL INFORMATION PROTECTION TECHNOLOGY}
본 발명은 기계학습을 위한 학습 데이터 생성 기술에 관한 것으로, 보다 상세하게는 기계학습을 위한 학습 데이터로서 개인정보가 보호되는 소리 정보가 포함된 데이터를 확보할 수 있는 목소리 개인정보 보호 기술을 이용한 학습 데이터베이스 구축 방법 및 시스템에 관한 것이다.
기계학습의 학습 방법은 크게 지도학습, 비지도학습, 강화학습의 세가지 방법으로 분류된다. 지도학습은 정답 데이터(입력 데이터와 그에 대응하는 라벨 한 쌍)가 이미 존재하여 학습 모델에게 정답을 알려주어 학습 모델의 예측값과 정답값의 오차가 최소가 되도록 학습하는 방식이다. 비지도학습은 정답 데이터가 존재하지 않고(입력 데이터만 존재) 데이터 간의 유사성과 숨겨진 특성을 분석하여 분류하는 학습하는 방식이다. 강화학습은 정답 데이터가 존재하지 않고 환경에서의 모델의 결정에 상과 벌을 부여하는 과정을 통해 학습하는 방식이다.
지도학습은 명확한 정답 데이터가 이미 존재하기 때문에 비지도학습이나 강화학습에 비해 학습이 쉽고 안정적이며 성능 평가도 용이하다는 장점을 가진다. 그러나, 학습 데이터를 준비하는 과정이 지도학습에서의 대부분을 차지할 정도로 많은 시간과 인적자원이 소요된다. 또한, 학습 데이터의 양과 질은 학습된 기계학습 모델의 인식 성능에 큰 영향을 끼치므로 지도학습에서의 핵심은 학습 데이터의 생성에 있다고 볼 수 있다.
한편, 영상의 소리에는 활용 가능한 많은 정보들이 포함되어 있음에도 불구하고 개인 프라이버시를 침해할 가능성이 높다는 점에서 영상 정보에 기반한 학습 데이터를 생성함에 있어서 많은 주의가 필요하다. 즉, 음성 변조를 적용한다 하더라도 목소리의 억양과 톤으로 개인 식별이 가능하므로 음성을 포함한 소리 정보를 활용하기 위해서는 개인 특정이 불가능하도록 음성 정보를 처리하여야 한다.
특히, 자동차의 운전 상황 인지 및 판단을 위해서는 인식 센서가 필수적이며, 이러한 인식 센서에는 일반적으로 카메라, 라이다, 레이더 등을 사용할 수 있다. 기계학습에서는 이와 같은 인식 센서로 취득된 데이터를 활용하여 기계학습 모델을 학습시킬 수 있다. 센서로 취득된 데이터에 포함된 정보량이 많을수록 기계학습 모델의 성능을 향상시키기 유리하기에 카메라, 라이다, 레이더와는 무관한 차량 내/외부의 소리 정보를 기계학습 데이터로서 추가함으로써 기계학습 모델의 성능 향상을 기대할 수 있다.
그러나, 소리에 포함되는 음성 정보는 개인을 특정 가능하게 하는 개인정보에 포함되는 민감한 정보이기에 이를 사용자의 동의 없이 저장 및 활용하는 것은 바람직하지 않다. 개인의 프라이버시를 보호하기 위해 사용되는 방법으로 음성 변조와 같은 방법이 있으나 음성 변조를 적용하더라도 목소리의 억양과 톤으로 개인이 어느정도 식별 가능하기에 음성을 포함한 소리 정보를 활용하기 위해서는 개인 특정이 불가능하도록 음성 정보를 처리할 필요가 있다.
한국등록특허 제10-1581641호 (2015.12.23)
본 발명의 일 실시예는 기계학습을 위한 학습 데이터로서 개인정보가 보호되는 소리 정보가 포함된 데이터를 확보할 수 있는 목소리 개인정보 보호 기술을 이용한 학습 데이터베이스 구축 방법 및 시스템을 제공하고자 한다.
본 발명의 일 실시예는 소리 데이터의 배경음과 음성을 분리하고 음성에만 비가역적 부호화를 적용하여 암호화 하며 음성에 대응되는 텍스트로 변환한 후 개인정보를 제거할 수 있는 목소리 개인정보 보호 기술을 이용한 학습 데이터베이스 구축 방법 및 시스템을 제공하고자 한다.
실시예들 중에서, 목소리 개인정보 보호 기술을 이용한 학습 데이터베이스 구축 방법은 소리 데이터를 포함하는 영상 데이터를 수신하는 단계; 상기 영상 데이터로부터 상기 소리 데이터를 분리하는 단계; 상기 소리 데이터로부터 배경음 데이터를 추출하는 단계; 및 상기 소리 데이터가 제거된 영상 데이터 및 상기 배경음 데이터를 학습 데이터로서 저장하는 단계;를 포함한다.
상기 소리 데이터를 분리하는 단계는 상기 소리 데이터에 대해 복수의 전처리 방법들 중 적어도 하나를 적용하는 단계를 포함할 수 있다.
상기 배경음 데이터를 추출하는 단계는 심층신경망을 포함하는 기계학습 기반의 네트워크 모델을 정의하는 단계; 상기 소리 데이터를 입력으로 수신하여 음성 데이터를 출력으로 생성하는 제1 네트워크 모델을 구축하는 단계; 상기 소리 데이터를 입력으로 수신하여 상기 배경음 데이터를 출력으로 생성하는 제2 네트워크 모델을 구축하는 단계; 및 상기 제1 및 제2 네트워크 모델들을 기초로 상기 소리 데이터로부터 상기 음성 데이터 및 상기 배경음 데이터를 각각 분리하는 단계를 포함할 수 있다.
상기 배경음 데이터를 추출하는 단계는 상기 음성 데이터를 입력으로 수신하여 음성 특징 벡터를 출력으로 생성하는 제3 네트워크 모델을 구축하는 단계; 상기 제3 네트워크 모델을 기초로 상기 음성 데이터를 비가역적 부호화 (irreversible encoding) 하는 단계; 및 상기 비가역적 부호화로 생성된 상기 음성 특징 벡터를 상기 학습 데이터로서 저장하는 단계를 포함할 수 있다.
상기 배경음 데이터를 추출하는 단계는 상기 음성 데이터를 입력으로 수신하여 텍스트 데이터를 출력으로 생성하는 제4 네트워크 모델을 구축하는 단계; 및 상기 제4 네트워크 모델을 기초로 상기 음성 데이터로부터 상기 텍스트 데이터를 추출하는 단계를 포함할 수 있다.
상기 배경음 데이터를 추출하는 단계는 상기 텍스트 데이터에서 개인 정보를 검출하는 단계; 상기 텍스트 데이터에서 상기 개인 정보를 익명 정보로 변환하는 단계; 및 상기 익명 정보를 포함하는 텍스트 데이터를 상기 학습 데이터로서 저장하는 단계를 포함할 수 있다.
상기 익명 정보로 변환하는 단계는 기계학습 기반의 변환 모델을 기초로 상기 개인 정보를 상위 클래스명으로 대체하는 단계를 포함할 수 있다.
실시예들 중에서, 목소리 개인정보 보호 기술을 이용한 학습 데이터베이스 구축 시스템은 소리 데이터를 포함하는 영상 데이터를 수신하는 영상 수신부; 상기 영상 데이터로부터 상기 소리 데이터를 분리하는 소리 추출부; 상기 소리 데이터로부터 배경음 데이터를 추출하는 배경음 분리부; 및 상기 소리 데이터가 제거된 영상 데이터 및 상기 배경음 데이터를 학습 데이터로서 저장하는 학습 데이터 저장부;를 포함한다.
개시된 기술은 다음의 효과를 가질 수 있다. 다만, 특정 실시예가 다음의 효과를 전부 포함하여야 한다거나 다음의 효과만을 포함하여야 한다는 의미는 아니므로, 개시된 기술의 권리범위는 이에 의하여 제한되는 것으로 이해되어서는 아니 될 것이다.
본 발명의 일 실시예에 따른 목소리 개인정보 보호 기술을 이용한 학습 데이터베이스 구축 방법 및 시스템은 기계학습을 위한 학습 데이터로서 개인정보가 보호되는 소리 정보가 포함된 데이터를 학습 데이터로서 확보할 수 있다.
본 발명의 일 실시예에 따른 목소리 개인정보 보호 기술을 이용한 학습 데이터베이스 구축 방법 및 시스템은 소리 데이터의 배경음과 음성을 분리하고 음성에만 비가역적 부호화를 적용하여 암호화 하며 음성에 대응되는 텍스트로 변환한 후 개인정보를 제거할 수 있다.
도 1은 본 발명에 따른 학습 데이터베이스 구축 시스템을 설명하는 도면이다.
도 2는 도 1의 학습 데이터베이스 구축 장치의 시스템 구성을 설명하는 도면이다.
도 3은 도 1의 학습 데이터베이스 구축 장치의 기능적 구성을 설명하는 도면이다.
도 4는 본 발명에 따른 목소리 개인정보 보호 기술을 이용한 학습 데이터베이스 구축 방법을 설명하는 순서도이다.
도 5는 본 발명에 따른 배경음과 음성 분리 방법의 일 실시예를 설명하는 도면이다.
도 6 및 7은 본 발명에 따른 특징 벡터 계산 방법의 일 실시예와 비가역적 특성을 설명하는 도면이다.
도 8은 본 발명에 따른 텍스트 변환 방법의 일 실시예를 설명하는 도면이다.
도 9는 본 발명의 전체적인 개념을 설명하는 도면이다.
본 발명에 관한 설명은 구조적 내지 기능적 설명을 위한 실시예에 불과하므로, 본 발명의 권리범위는 본문에 설명된 실시예에 의하여 제한되는 것으로 해석되어서는 아니 된다. 즉, 실시예는 다양한 변경이 가능하고 여러 가지 형태를 가질 수 있으므로 본 발명의 권리범위는 기술적 사상을 실현할 수 있는 균등물들을 포함하는 것으로 이해되어야 한다. 또한, 본 발명에서 제시된 목적 또는 효과는 특정 실시예가 이를 전부 포함하여야 한다거나 그러한 효과만을 포함하여야 한다는 의미는 아니므로, 본 발명의 권리범위는 이에 의하여 제한되는 것으로 이해되어서는 아니 될 것이다.
한편, 본 출원에서 서술되는 용어의 의미는 다음과 같이 이해되어야 할 것이다.
"제1", "제2" 등의 용어는 하나의 구성요소를 다른 구성요소로부터 구별하기 위한 것으로, 이들 용어들에 의해 권리범위가 한정되어서는 아니 된다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 "연결되어"있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결될 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어"있다고 언급된 때에는 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다. 한편, 구성요소들 간의 관계를 설명하는 다른 표현들, 즉 "~사이에"와 "바로 ~사이에" 또는 "~에 이웃하는"과 "~에 직접 이웃하는" 등도 마찬가지로 해석되어야 한다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한 복수의 표현을 포함하는 것으로 이해되어야 하고, "포함하다"또는 "가지다" 등의 용어는 실시된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것이며, 하나 또는 그 이상의 다른 특징이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
각 단계들에 있어 식별부호(예를 들어, a, b, c 등)는 설명의 편의를 위하여 사용되는 것으로 식별부호는 각 단계들의 순서를 설명하는 것이 아니며, 각 단계들은 문맥상 명백하게 특정 순서를 기재하지 않는 이상 명기된 순서와 다르게 일어날 수 있다. 즉, 각 단계들은 명기된 순서와 동일하게 일어날 수도 있고 실질적으로 동시에 수행될 수도 있으며 반대의 순서대로 수행될 수도 있다.
본 발명은 컴퓨터가 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현될 수 있고, 컴퓨터가 읽을 수 있는 기록 매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록 장치를 포함한다. 컴퓨터가 읽을 수 있는 기록 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광 데이터 저장 장치 등이 있다. 또한, 컴퓨터가 읽을 수 있는 기록 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산 방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다.
여기서 사용되는 모든 용어들은 다르게 정의되지 않는 한, 본 발명이 속하는 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한 이상적이거나 과도하게 형식적인 의미를 지니는 것으로 해석될 수 없다.
도 1은 본 발명에 따른 학습 데이터베이스 구축 시스템을 설명하는 도면이다.
도 1을 참조하면, 학습 데이터베이스 구축 시스템(100)은 사용자 단말(110), 학습 데이터베이스 구축 장치(130) 및 데이터베이스(150)를 포함하여 구현될 수 있다.
사용자 단말(110)은 사용자에 의해 운용되는 단말 장치에 해당할 수 있다. 본 발명의 실시예에서 사용자는 하나 이상의 사용자로 이해될 수 있으며, 복수의 사용자들은 하나 이상의 사용자 그룹으로 구분될 수 있다. 하나 이상의 사용자들 각각은 하나 이상의 사용자 단말(110)에 대응될 수 있다. 즉, 제1 사용자는 제1 사용자 단말, 제2 사용자는 제2 사용자 단말, ..., 제n(상기 n은 자연수) 사용자는 제n 사용자 단말에 대응될 수 있다.
또한, 사용자 단말(110)은 학습 데이터베이스 구축 시스템(100)을 구성하는 하나의 장치로서 학습 데이터의 생성, 수정 및 삭제를 포함하는 사용자 행위를 수행할 수 있는 컴퓨팅 장치에 해당할 수 있다. 예를 들어, 사용자 단말(110)은 학습 데이터베이스 구축 장치(130)와 연결되어 동작 가능한 스마트폰, 노트북 또는 컴퓨터로 구현될 수 있으며, 반드시 이에 한정되지 않고, 태블릿 PC 등 포함하여 다양한 디바이스로도 구현될 수 있다.
또한, 사용자 단말(110)은 학습 데이터베이스 구축 장치(130)와 연동하기 위한 전용 프로그램 또는 어플리케이션을 설치하여 실행할 수 있다. 예를 들어, 사용자 단말(110)은 학습 데이터 생성을 위해 학습 데이터베이스 구축 장치(130)에게 소정의 영상 데이터를 전송할 수 있으며, 학습 데이터베이스 구축 장치(130)에 의해 구축된 학습 데이터베이스에 접근할 수 있다. 해당 과정은 전용 프로그램 또는 어플리케이션을 통해 제공되는 인터페이스를 통해 이루어질 수 있다.
한편, 사용자 단말(110)은 학습 데이터베이스 구축 장치(130)와 네트워크를 통해 연결될 수 있고, 복수의 사용자 단말(110)들은 학습 데이터베이스 구축 장치(130)와 동시에 연결될 수도 있다.
학습 데이터베이스 구축 장치(130)는 본 발명에 따른 학습 데이터베이스 구축 방법을 수행하는 컴퓨터 또는 프로그램에 해당하는 서버로 구현될 수 있다. 또한, 학습 데이터베이스 구축 장치(130)는 사용자 단말(110)과 유선 네트워크 또는 블루투스, WiFi, LTE 등과 같은 무선 네트워크로 연결될 수 있고, 네트워크를 통해 사용자 단말(110)과 데이터를 송·수신할 수 있다.
또한, 학습 데이터베이스 구축 장치(130)는 학습 데이터를 수집하거나 또는 학습 데이터를 제공하기 위하여 독립된 외부 시스템(도 1에 미도시함)과 연결되어 동작하도록 구현될 수 있다. 일 실시예에서, 학습 데이터베이스 구축 장치(130)는 클라우드 서버로 구현될 수 있으며, 클라우드 서비스를 통해 학습 데이터베이스의 구축과 활용에 관한 사용자들의 다양한 니즈(needs)를 충족시킬 수 있다.
데이터베이스(150)는 학습 데이터베이스 구축 장치(130)의 동작 과정에서 필요한 다양한 정보들을 저장하는 저장장치에 해당할 수 있다. 예를 들어, 데이터베이스(150)는 다양한 출처로부터 수집한 영상 데이터를 저장하거나 또는 기계학습 모델 구축을 위한 학습 알고리즘과 학습 모델에 관한 정보를 저장할 수 있으며, 반드시 이에 한정되지 않고, 학습 데이터베이스 구축 장치(130)가 본 발명에 따른 목소리 개인정보 보호 기술을 이용한 학습 데이터베이스 구축 방법을 수행하는 과정에서 다양한 형태로 수집 또는 가공된 정보들을 저장할 수 있다.
또한, 도 1에서, 데이터베이스(150)는 학습 데이터베이스 구축 장치(130)와 독립적인 장치로서 도시되어 있으나, 반드시 이에 한정되지 않고, 논리적인 저장장치로서 학습 데이터베이스 구축 장치(130)에 포함되어 구현될 수 있음은 물론이다.
도 2는 도 1의 학습 데이터베이스 구축 장치의 시스템 구성을 설명하는 도면이다.
도 2를 참조하면, 학습 데이터베이스 구축 장치(130)는 프로세서(210), 메모리(230), 사용자 입출력부(250) 및 네트워크 입출력부(270)를 포함할 수 있다.
프로세서(210)는 본 발명의 실시예에 따른 학습 데이터베이스 구축 프로시저를 실행할 수 있고, 이러한 과정에서 읽혀지거나 작성되는 메모리(230)를 관리할 수 있으며, 메모리(230)에 있는 휘발성 메모리와 비휘발성 메모리 간의 동기화 시간을 스케줄 할 수 있다. 프로세서(210)는 학습 데이터베이스 구축 장치(130)의 동작 전반을 제어할 수 있고, 메모리(230), 사용자 입출력부(250) 및 네트워크 입출력부(270)와 전기적으로 연결되어 이들 간의 데이터 흐름을 제어할 수 있다. 프로세서(210)는 학습 데이터베이스 구축 장치(130)의 CPU(Central Processing Unit)로 구현될 수 있다.
메모리(230)는 SSD(Solid State Disk) 또는 HDD(Hard Disk Drive)와 같은 비휘발성 메모리로 구현되어 학습 데이터베이스 구축 장치(130)에 필요한 데이터 전반을 저장하는데 사용되는 보조기억장치를 포함할 수 있고, RAM(Random Access Memory)과 같은 휘발성 메모리로 구현된 주기억장치를 포함할 수 있다. 또한, 메모리(230)는 전기적으로 연결된 프로세서(210)에 의해 실행됨으로써 본 발명에 따른 학습 데이터베이스 구축 방법을 실행하는 명령들의 집합을 저장할 수 있다.
사용자 입출력부(250)은 사용자 입력을 수신하기 위한 환경 및 사용자에게 특정 정보를 출력하기 위한 환경을 포함하고, 예를 들어, 터치 패드, 터치 스크린, 화상 키보드 또는 포인팅 장치와 같은 어댑터를 포함하는 입력장치 및 모니터 또는 터치 스크린과 같은 어댑터를 포함하는 출력장치를 포함할 수 있다. 일 실시예에서, 사용자 입출력부(250)은 원격 접속을 통해 접속되는 컴퓨팅 장치에 해당할 수 있고, 그러한 경우, 학습 데이터베이스 구축 장치(130)는 독립적인 서버로서 수행될 수 있다.
네트워크 입출력부(270)은 네트워크를 통해 사용자 단말(110)과 연결되기 위한 통신 환경을 제공하고, 예를 들어, LAN(Local Area Network), MAN(Metropolitan Area Network), WAN(Wide Area Network) 및 VAN(Value Added Network) 등의 통신을 위한 어댑터를 포함할 수 있다. 또한, 네트워크 입출력부(270)는 학습 데이터의 무선 전송을 위해 WiFi, 블루투스 등의 근거리 통신 기능이나 4G 이상의 무선 통신 기능을 제공하도록 구현될 수 있다.
도 3은 도 1의 학습 데이터베이스 구축 장치의 기능적 구성을 설명하는 도면이다.
도 3을 참조하면, 학습 데이터베이스 구축 장치(130)는 영상 수신부(310), 소리 추출부(330), 배경음 분리부(350), 학습 데이터 저장부(370) 및 제어부(390)를 포함할 수 있다.
영상 수신부(310)는 소리 데이터를 포함하는 영상 데이터를 수신할 수 있다. 예를 들어, 영상 데이터는 차량의 주행 중에 블랙박스를 통해 촬영된 블랙박스 영상, 카메라, 라이다 및 레이더 등의 인식 센서를 통해 촬영된 영상, 항공 영상, 의료 영상 등을 포함할 수 있다. 영상에 포함되는 소리 데이터에는 배경음, 화이트 노이즈, 음성 등을 포함할 수 있다. 영상 수신부(310)는 네트워크를 통해 영상 데이터를 수신할 수 있으며, 사용자 단말(110)에 의해 전송된 영상을 수신하거나 또는 데이터베이스(150)에 저장된 영상을 검색하여 수신할 수도 있다.
또한, 영상 수신부(310)는 소리 데이터와 영상 데이터를 각각 독립적으로 수신할 수도 있다. 즉, 영상 수신부(310)는 소리 데이터를 포함하지 않는 영상 데이터와 이에 대응하는 소리 데이터를 순차적으로 수신하거나 또는 한 쌍의 영상 데이터와 소리 데이터를 수신할 수 있다.
일 실시예에서, 영상 수신부(310)는 수신한 영상 데이터에 대한 전처리 동작을 수행할 수 있다. 예를 들어, 영상 수신부(310)는 영상 데이터를 소정의 구간 길이로 분할하거나 또는 소정의 해상도로 변환하는 등의 전처리 동작을 수행할 수 있다. 또한, 영상 수신부(310)는 원본 영상과 전처리된 영상을 통합하여 단일 영상을 생성할 수도 있다. 영상 수신부(310)는 다양한 전처리 동작을 통해 이후 단계에서 사용 가능한 형태로 가공할 수도 있으며, 영상 수신부(310)에 의해 수신 또는 가공된 영상은 데이터베이스(150)에 저장되어 관리될 수 있다.
소리 추출부(330)는 영상 데이터로부터 소리 데이터를 분리할 수 있다. 소리 추출부(330)는 상용 소프트웨어를 사용하여 영상에서 소리를 추출할 수 있으며, 필요에 따라 영상 데이터의 재생을 통해 영상 소리를 녹음하고, 이후 영상에서 소리를 제거하는 방법 등을 활용할 수도 있다. 소리 추출부(330)는 다양한 방법을 통해 영상 데이터와 소리 데이터를 분리할 수 있으며, 분리된 영상과 소리는 데이터베이스(150)에 저장되어 관리될 수 있다.
일 실시예에서, 소리 추출부(330)는 소리 데이터에 대해 복수의 전처리(pre-processing) 방법들 중 적어도 하나를 적용할 수 있다. 즉, 소리 데이터는 데이터 처리에 적합하도록 소정의 전처리 단계들을 수행할 수 있다. 특히, 전처리 동작에는 다양한 방법들이 적용될 수 있으며, 단일 방법 또는 복수의 방법들의 조합에 따라 실행될 수 있다. 예를 들어, 소리 추출부(330)는 1차원 소리 데이터를 2차원 스펙트로그램(spectrogram)으로 변환하고, 2차원 스펙트로그램에 절대값을 적용할 수 있으며, 절대값의 최대값을 기준으로 절대값을 정규화하는 전처리 동작을 수행할 수 있다.
여기에서, 스펙트로그램은 소리의 스펙트럼을 시각화하여 그래프로 표현하는 방법에 해당할 수 있다. 보다 구체적으로, 1차원 소리 데이터에 대응하는 2차원 스펙트로그램은 시간의 흐름에 따른 진폭 축의 변화를 시각적으로 표현한 파형(waveform)과 주파수의 변화에 따른 진폭 축의 변화를 시각적으로 표현한 스펙트럼(spectrum)이 결합된 구조를 형성할 수 있다. 예를 들어, 2차원 스펙트로그램은 시간 축과 주파수 축 각각에서 진폭의 차이를 색상과 농도값의 변화로 표현한 그래프에 해당할 수 있다.
배경음 분리부(350)는 소리 데이터로부터 배경음 데이터를 추출할 수 있다. 여기에서, 배경음 데이터는 소리 데이터에서 사람의 음성이 제거된 결과에 해당할 수 있다. 배경음 분리부(350)는 학습 모델을 활용하여 소리 데이터에서 소정의 타겟팅된 소리 정보만을 제거할 수도 있다.
일 실시예에서, 배경음 분리부(350)는 심층신경망을 포함하는 기계학습 기반의 네트워크 모델을 정의하고, 소리 데이터를 입력으로 수신하여 음성 데이터를 출력으로 생성하는 제1 네트워크 모델을 구축하며, 소리 데이터를 입력으로 수신하여 배경음 데이터를 출력으로 생성하는 제2 네트워크 모델을 구축하고, 제1 및 제2 네트워크 모델들을 기초로 소리 데이터로부터 음성 데이터 및 배경음 데이터를 각각 분리할 수 있다. 즉, 배경음 분리부(350)는 소리 데이터로부터 기계학습 기반의 네트워크 모델을 통해 음성과 배경음을 각각 독립적으로 추출할 수 있다. 이를 위해, 배경음 분리부(350)는 추출 대상이 되는 소리에 따라 네트워크 모델을 독립적으로 구축할 수 있다.
보다 구체적으로, 배경음 분리부(350)는 사전에 정의된 네트워크 모델을 기초로 소리 데이터에서 음성 데이터를 추출하는 제1 네트워크 모델과 소리 데이터에서 배경음 데이터를 추출하는 제2 네트워크 모델을 각각 구축할 수 있다. 예를 들어, 제1 및 제2 네트워크 모델들은 다수의 신경망 기반의 인코더(encoder)와 디코더(decoder)들로 구성된 심층신경망을 통해 구현될 수 있다. 네트워크 모델이 구축되면 배경음 분리부(350)는 분리하고자 하는 소리 데이터에 제1 및 제2 네트워크 모델들을 각각 순차적으로 적용하여 음성 및 배경음을 추출할 수 있다. 추출된 음성 및 배경음은 메모리(230)에 임시 저장될 수 있으며, 배경음 분리부(350)는 배경음 만을 데이터베이스(150)에 저장하고, 음성은 별도 저장없이 삭제하여 개인정보의 누출을 방지할 수 있다.
일 실시예에서, 배경음 분리부(350)는 음성 데이터를 입력으로 수신하여 음성 특징 벡터를 출력으로 생성하는 제3 네트워크 모델을 구축하고, 제3 네트워크 모델을 기초로 음성 데이터를 비가역적 부호화 (irreversible encoding) 하며, 비가역적 부호화로 생성된 음성 특징 벡터를 학습 데이터로서 저장할 수 있다. 음성 특징값은 음성 정보의 일정 시간 간격마다 같은 데이터 포맷(예를 들어, 16-bit 정수형 또는 32-bit floating point 형 등)을 갖는 일정한 길이의 값들로 정의될 수 있으며, 수학적으로는 벡터로 표현될 수 있다. 즉, 배경음 분리부(350)는 음성 데이터에 대응하는 특징 정보로서 음성 특징 벡터를 생성할 수 있으며, 이를 위한 전용 네트워크 모델을 구축할 수 있다.
특히, 제3 네트워크 모델은 음성 데이터에 대응하는 음성 특징 벡터를 생성할 수 있으며, 이때 제3 네트워크 모델을 통한 음성 특징 벡터의 생성 과정은 음성 특징 벡터에 대한 디코딩을 통해 음성 데이터로의 복원이 불가능한 비가역적 인코딩 과정에 대응될 수 있다. 한편, 음성 특징 벡터들은 개인을 특정하는데 사용될 수는 없으나 음성 간의 유사성을 산출하는데 사용될 수 있으며, 유사성에 따라 음성 데이터가 동일 화자로부터 생성된 것인지를 검출할 수 있다.
일 실시예에서, 배경음 분리부(350)는 음성 데이터를 입력으로 수신하여 텍스트 데이터를 출력으로 생성하는 제4 네트워크 모델을 구축하고, 제4 네트워크 모델을 기초로 음성 데이터로부터 텍스트 데이터를 추출할 수 있다. 즉, 음성 데이터는 기계학습 모델인 제4 네트워크 모델을 통해 텍스트 데이터로 변환될 수 있으며, 제4 네트워크 모델은 음성을 텍스트로 변환하는 다양한 음성인식 알고리즘을 기초로 구축될 수 있다. 예를 들어, 음성인식 알고리즘은 HMM(Hidden Markov Models), DTW(Dynamic Time Warping), 신경망(Neural Network) 등을 포함할 수 있다.
일 실시예에서, 배경음 분리부(350)는 텍스트 데이터에서 개인 정보를 검출하고, 텍스트 데이터에서 개인 정보를 익명 정보로 변환하며, 익명 정보를 포함하는 텍스트 데이터를 학습 데이터로서 저장할 수 있다. 즉, 음성 데이터가 텍스트 데이터로 변환되는 과정에서 음성에서만 나타나는 억양이나 톤 등의 개인 식별 가능한 특징 정보가 제거될 수 있고, 텍스트에 포함된 개인 정보와 밀접 정보가 제거되거나 또는 개인 식별 불가능한 익명 정보로 대체되어 텍스트를 통한 개인 식별 가능성도 제거될 수 있다. 한편, 배경음 분리부(350)는 텍스트 데이터에서 개인 정보를 검출하기 위해 개인정보 인식 기계학습 모델을 활용할 수 있다.
일 실시예에서, 배경음 분리부(350)는 기계학습 기반의 변환 모델을 기초로 개인 정보를 상위 클래스명으로 대체할 수 있다. 개인 식별 불가능한 익명 정보로서 텍스트에 포함된 개인 정보의 상위 클래스명이 활용될 수 있으며, 반드시 이에 한정되지 않고, 익명성을 제공하는 다양한 명칭이 활용될 수 있다. 이때, 기계학습을 통해 구축된 변환 모델이 사용될 수 있으며, 변환 모델은 특정 개인 정보를 입력으로 수신하여 해당 개인 정보의 상위 클래스명을 출력으로 생성할 수 있다. 예를 들어, 사람 이름이나 키, 나이, 몸무게 등의 연관된 정보의 경우 '사람' 또는 'person' 등의 클래스명으로 대체될 수 있고, 특정 주소나 위치, 건물, 지역 등의 연관된 정보의 경우 '장소' 또는 'place' 등의 클래스명으로 대체될 수 있다.
일 실시예에서, 배경음 분리부(350)는 텍스트에 포함된 개인 정보를 음성특징벡터로 기초로 생성된 익명 정보로 대체할 수 있다. 여기에서, 익명 정보는 음성특징벡터를 이용하여 생성되는 랜덤 정보에 해당할 수 있다. 예를 들어, 배경음 분리부(350)는 비가역적 부호화를 통해 생성된 음성특징벡터에 소정의 해시 함수를 적용할 수 있고, 해시값을 기초로 익명 정보를 생성할 수 있다. 해시 함수의 적용을 위해 해시 테이블이 활용될 수 있으며, 해시값에 대한 익명 정보의 생성을 위해 해시 테이블에 독립적인 변환 테이블이 추가로 활용될 수 있다.
다른 예로서, 배경음 분리부(350)는 음성특징벡터를 기초로 암호화 과정의 비밀키를 생성할 수 있고, 해당 비밀키를 이용하여 개인정보를 암호화하는 암호화 연산을 수행할 수 있다. 이때, 암호화 연산에 사용되는 암호화 알고리즘에 따라 비가역적 암호화가 적용될 수 있고, 이에 따라 텍스트로 된 개인정보의 익명성이 간접적으로 달성될 수도 있다.
학습 데이터 저장부(370)는 소리 데이터가 제거된 영상 데이터 및 배경음 데이터를 학습 데이터로서 저장할 수 있다. 개인정보가 제거된 소리 정보는 영상 정보와 같이 학습 데이터로 사용됨으로써 기계학습 모델의 인식 성능을 향상시킬 수 있고, 개인정보가 포함되어 있지 않다는 점에서 실제 서비스로서의 사용에도 제약없이 적용될 수 있다. 학습 데이터 저장부(370)는 개인정보가 제거된 학습 데이터를 데이터베이스(150)에 저장하여 관리할 수 있으며, 데이터 유형에 따라 독립적으로 저장할 수 있다. 데이터베이스(150)에 저장되는 하나의 영상 데이터는 배경음 데이터, 음성특징벡터, 개인정보가 제거된 텍스트 데이터와 각각 연결될 수 있으며, 음성특징벡터를 고유 키값으로 하여 데이터베이스(150) 내에서의 검색 연산이 수행될 수 있다. 즉, 음성특징벡터들 간의 유사도를 기준으로 익명의 기록 데이터가 검색되어 추출될 수 있다.
제어부(390)는 학습 데이터베이스 구축 장치(130)의 전체적인 동작을 제어하고, 영상 수신부(310), 소리 추출부(330), 배경음 분리부(350) 및 학습 데이터 저장부(370) 간의 제어 흐름 또는 데이터 흐름을 관리할 수 있다.
도 4는 본 발명에 따른 목소리 개인정보 보호 기술을 이용한 학습 데이터베이스 구축 방법을 설명하는 순서도이다.
도 4를 참조하면, 학습 데이터베이스 구축 장치(130)는 영상 수신부(310)를 통해 소리 데이터를 포함하는 영상 데이터를 수신할 수 있다(단계 S410). 일 실시예에서, 영상 수신부(310)는 소리 데이터와 그에 대응되는 영상 데이터를 각각 독립적으로 수신할 수 있다. 즉, 이때의 영상 데이터는 소리 데이터가 없는 영상에 해당할 수 있다. 만약 소리 데이터가 포함된 영상 데이터를 수신한 경우에는 영상 데이터는 소리 추출부(330)로 전달되어 소정의 분리 단계가 수행될 수 있다.
학습 데이터베이스 구축 장치(130)는 소리 추출부(330)를 통해 영상 데이터로부터 소리 데이터를 분리할 수 있다(단계 S430). 영상에는 다양한 소리들이 포함될 수 있으며, 예를 들어 차량에 설치된 블랙박스를 통해 촬영된 영상의 경우 영상과 함께 차량 주행 중에 발생하는 엔진 소리, 차량 내부 운전자 및 탑승자의 대화 소리, 차량 외부의 환경 소리 등이 소리 데이터로 포함될 수 있다.
또한, 영상 데이터로부터 추출된 소리 데이터는 소정의 전처리 단계를 거칠 수 있다. 예를 들어, 소리 추출부(330)는 소리 데이터를 2차원의 스펙트로그램으로 변환하는 전처리 동작을 수행할 수 있으며, 이후 동작 단계를 위해 스펙트로그램의 범위가 조정되거나 또는 스펙트로그램에 소정의 필터들이 적용될 수도 있다.
또한, 학습 데이터베이스 구축 장치(130)는 배경음 분리부(350)를 통해 소리 데이터로부터 배경음 데이터를 추출할 수 있다(단계 S450). 소리 데이터의 분리 과정에서 기 구축된 학습 네트워크가 사용될 수 있으며, 학습 네트워크 모델은 다양한 기계학습 기반의 네트워크 모델을 기초로 사전에 구축될 수 있다. 일 실시예에서, 배경음 분리부(350)는 소리 데이터로부터 유형 별로 각각 독립적인 배경음 데이터들을 추출할 수 있다. 예를 들어, 배경음 분리부(350)는 소리 데이터에서 차량 내부 소리와 차량 외부 소리를 구분하여 추출할 수 있고, 운전자와 탑승객을 구분하여(또는 사용자 별로) 추출할 수도 있다. 즉, 배경음 분리부(350)는 추출 가능한 소리 데이터를 유형에 따라 독립적으로 추출할 수 있으며, 이 경우 소리 데이터에 관한 유형 정보는 사전에 정의되어 해당 과정에서 활용될 수 있다.
또한, 학습 데이터베이스 구축 장치(130)는 학습 데이터 저장부(370)를 통해 소리 데이터가 제거된 영상 데이터 및 배경음 데이터를 학습 데이터로서 저장할 수 있다(단계 S470). 일 실시예에서, 학습 데이터 저장부(370)는 하나의 영상 데이터에 연관되어 추출 또는 생성된 정보들을 하나의 학습 데이터로 묶어 데이터베이스(150)에 저장할 수 있다. 예를 들어, 하나의 학습 데이터에는 영상 데이터와 소리 데이터에서 추출된 배경음 데이터, 음성 데이터를 기초로 생성된 음성특징벡터 및 개인정보가 제거된 텍스트 데이터 등이 포함될 수 있다. 다른 실시예에서, 학습 데이터 저장부(370)는 특정 학습 데이터의 음성특징벡터를 기초로 해당 학습 데이터에 관한 식별코드를 생성하여 함께 저장할 수 있다.
도 5는 본 발명에 따른 배경음과 음성 분리 방법의 일 실시예를 설명하는 도면이다.
도 5를 참조하면, 학습 데이터베이스 구축 장치(130)는 영상 데이터에서 분리되거나 또는 영상 데이터와 독립적으로 수신된 소리 데이터에 대해 전처리 작업 및 기계학습 모델을 적용하여 음성 데이터와 배경음 데이터로 분리할 수 있다. 예를 들어, 학습 데이터베이스 구축 장치(130)는 소리 데이터를 전처리 하여 전처리된 스펙트로그램(spectrogram)을 생성할 수 있고, 이로부터 음성 스펙트로그램과 배경음 스펙트로그램을 각각 추출할 수 있다. 추출된 각 스펙트로그램은 후처리 연산을 통해 음성 데이터와 배경음 데이터로 분리되어 생성될 수 있다. 이때, 배경음 데이터는 그대로 데이터베이스(150)에 학습 데이터로서 저장되는 반면, 음성 데이터의 경우 개인정보를 제거하기 위한 추가 동작이 수행될 수 있다.
도 6 및 7은 본 발명에 따른 특징 벡터 계산 방법의 일 실시예와 비가역적 특성을 설명하는 도면이다.
도 6을 참조하면, 학습 데이터베이스 구축 장치(130)는 음성 데이터(610)를 기계학습 모델을 통해 부호화 할 수 있다. 이때, 부호화 된 음성특징벡터(630)의 경우 음성 데이터(610)로의 복원이 불가능할 수 있다. 즉, 음성 데이터(610)에 대응되는 음성특징벡터(630)를 생성하는 음성 부호화 과정은 음성 정보의 비가역적 인코딩 과정에 해당될 수 있다.
도 7을 참조하면, 음성 데이터(710)의 비가역적 인코딩을 통해 생성된 음성특징벡터(730)는 발화자를 특정하는데 사용될 수 없으며, 음성특징벡터(730) 간의 유사성을 기초로 두 음성의 발화자가 동일인물인지를 판별하는데 사용될 수는 있다. 도 7에서, 서로 다른 시점에 녹음되고 발화 내용이 서로 다른 음성이라 하더라도 동일인의 음성특징벡터(730)는 유사성을 띌 수 있으며 상호 간에는 작은 오차만이 존재할 수 있다. 이와 달리, 다른 사람 사이의 음성특징벡터(730)는 유사성을 띄기 어려우며 상호 간에는 상대적으로 큰 오차가 존재할 수 있다.
즉, 학습 데이터베이스 구축 장치(130)는 데이터베이스(150)에 구축된 학습 데이터들 중에서 음성특징벡터(730)를 이용하여 동일인물에 의해 생성된 음성 데이터(710)를 효과적으로 조회할 수 있다. 또한, 학습 데이터베이스 구축 장치(130)는 음성특징벡터(730)를 기초로 식별되지 않은 두 음성 사이의 발화자가 동일인물인지 여부에 대해서도 효과적으로 판별할 수 있다.
도 8은 본 발명에 따른 텍스트 변환 방법의 일 실시예를 설명하는 도면이다.
도 8을 참조하면, 학습 데이터베이스 구축 장치(130)는 음성 데이터(810)를 기계학습 모델을 이용하여 텍스트 데이터(810)로 변환할 수 있다. 학습 데이터베이스 구축 장치(130)는 텍스트 데이터(810)에 포함된 개인정보와 밀접 정보를 인지하는 개인정보 인식 기계학습 모델을 통해 텍스트 내의 개인정보를 효과적으로 제거할 수 있다. 또한, 학습 데이터베이스 구축 장치(130)는 텍스트 내에서 개인정보를 제거함과 동시에 익명성을 가진 익명정보로 대체할 수 있다. 예를 들어, 학습 데이터베이스 구축 장치(130)는 텍스트 내의 개인정보를 인식된 상위 클래스명(870)으로 대체할 수 있으며, 개인정보에 대응되는 상위 클래스명(870)을 결정하는 과정에서 기계학습 모델을 사용할 수 있다. 개인정보가 제거된 텍스트 데이터(850)는 영상정보와 연관된 학습 데이터로서 데이터베이스(150)에 저장되어 관리될 수 있다.
도 9는 본 발명의 전체적인 개념을 설명하는 도면이다.
도 9를 참조하면, 학습 데이터베이스 구축 장치(130)는 소리 정보를 음성 정보와 배경음 정보로 분리하고, 음성 정보로부터 비가역적(irreversible)이고, 복호화 불능(undecodable)한 방법으로 부호화된 음성특징벡터와 텍스트 정보를 영상과 함께 저장하여 기계학습 데이터베이스를 구축할 수 있다. 학습 데이터베이스 구축 장치(130)는 구축된 기계학습 데이터베이스에서 음성특징벡터들 간의 유사도를 기준으로 익명의 기록데이터를 구분하여 추출할 수도 있다.
또한, 차량의 주행 과정에서 수집되는 블랙박스 영상 등을 관리하는 경우를 가정하면, 학습 데이터베이스 구축 장치(130)는 법집행기관의 영장과 함께 제시되는 요구에 따라 특정인의 음성으로부터 계산되는 음성특징벡터와 가장 유사한 주행기록을 추출할 수 있다. 한편, 주행기록에는 차량의 주행 중 운전자 외에 탑승자의 음성특징벡터도 함께 기록될 수 있다.
본 발명에 따른 학습 데이터베이스 구축 장치(130)는 딥러닝(Deep Learning) 또는 심층신경망(Deep Neural Network)으로 불리는, 많은 파라미터를 활용한 데이터 처리 기술을 이용하여 영상에 포함된 소리를 배경음과 사람의 음성으로 분리할 수 있고, 음성은 특징 벡터와 텍스트로 변환되어 개인을 식별할 수 있는 식별 정보가 제거될 수 있다. 즉, 학습 데이터베이스 구축 장치(130)는 기계학습에 있어 수집이 어려운 영상에 관한 학습 데이터를 효과적으로 확보하면서도 영상 내의 음성에 포함된 개인정보를 자동으로 제거하여 개인정보를 보호할 수 있는 방법을 실행할 수 있다.
상기에서는 본 발명의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
100: 학습 데이터베이스 구축 시스템
110: 사용자 단말 130: 학습 데이터베이스 구축 장치
150: 데이터베이스
210: 프로세서 230: 메모리
250: 사용자 입출력부 270: 네트워크 입출력부
310: 영상 수신부 330: 소리 추출부
350: 배경음 분리부 370: 학습 데이터 저장부
390: 제어부

Claims (8)

  1. 소리 데이터를 포함하는 영상 데이터를 수신하는 단계;
    상기 영상 데이터로부터 상기 소리 데이터를 분리하는 단계;
    상기 소리 데이터로부터 배경음 데이터를 추출하는 단계; 및
    상기 소리 데이터가 제거된 영상 데이터 및 상기 배경음 데이터를 학습 데이터로서 저장하는 단계;를 포함하고,
    상기 배경음 데이터를 추출하는 단계는
    심층신경망을 포함하는 기계학습 기반의 네트워크 모델을 정의하는 단계;
    상기 소리 데이터를 입력으로 수신하여 음성 데이터를 출력으로 생성하는 제1 네트워크 모델, 상기 소리 데이터를 입력으로 수신하여 상기 배경음 데이터를 출력으로 생성하는 제2 네트워크 모델, 및 상기 음성 데이터를 입력으로 수신하여 텍스트 데이터를 출력으로 생성하는 제4 네트워크 모델을 각각 구축하는 단계;
    상기 제1 및 제2 네트워크 모델들을 기초로 상기 소리 데이터로부터 상기 음성 데이터 및 상기 배경음 데이터를 각각 분리하는 단계;
    상기 제4 네트워크 모델을 기초로 상기 음성 데이터로부터 상기 텍스트 데이터를 추출하는 단계;
    상기 텍스트 데이터에서 개인 정보를 검출하는 단계;
    상기 텍스트 데이터에서 상기 개인 정보를 익명 정보로 변환하는 단계; 및
    상기 익명 정보를 포함하는 텍스트 데이터를 상기 학습 데이터로서 저장하는 단계를 포함하는 것을 특징으로 하는 목소리 개인정보 보호 기술을 이용한 학습 데이터베이스 구축 방법.
  2. 제1항에 있어서, 상기 소리 데이터를 분리하는 단계는
    상기 소리 데이터에 대해 복수의 전처리 방법들 중 적어도 하나를 적용하는 단계를 포함하는 것을 특징으로 하는 목소리 개인정보 보호 기술을 이용한 학습 데이터베이스 구축 방법.
  3. 삭제
  4. 제1항에 있어서, 상기 배경음 데이터를 추출하는 단계는
    상기 음성 데이터를 입력으로 수신하여 음성 특징 벡터를 출력으로 생성하는 제3 네트워크 모델을 구축하는 단계;
    상기 제3 네트워크 모델을 기초로 상기 음성 데이터를 비가역적 부호화 (irreversible encoding) 하는 단계; 및
    상기 비가역적 부호화로 생성된 상기 음성 특징 벡터를 상기 학습 데이터로서 저장하는 단계를 포함하는 것을 특징으로 하는 목소리 개인정보 보호 기술을 이용한 학습 데이터베이스 구축 방법.
  5. 삭제
  6. 삭제
  7. 제1항에 있어서, 상기 익명 정보로 변환하는 단계는
    기계학습 기반의 변환 모델을 기초로 상기 개인 정보를 상위 클래스명으로 대체하는 단계를 포함하는 것을 특징으로 목소리 개인정보 보호 기술을 이용한 학습 데이터베이스 구축 방법.
  8. 소리 데이터를 포함하는 영상 데이터를 수신하는 영상 수신부;
    상기 영상 데이터로부터 상기 소리 데이터를 분리하는 소리 추출부;
    상기 소리 데이터로부터 배경음 데이터를 추출하는 배경음 분리부; 및
    상기 소리 데이터가 제거된 영상 데이터 및 상기 배경음 데이터를 학습 데이터로서 저장하는 학습 데이터 저장부;를 포함하고,
    상기 배경음 분리부는 심층신경망을 포함하는 기계학습 기반의 네트워크 모델을 정의하고, 상기 소리 데이터를 입력으로 수신하여 음성 데이터를 출력으로 생성하는 제1 네트워크 모델, 상기 소리 데이터를 입력으로 수신하여 상기 배경음 데이터를 출력으로 생성하는 제2 네트워크 모델, 및 상기 음성 데이터를 입력으로 수신하여 텍스트 데이터를 출력으로 생성하는 제4 네트워크 모델을 각각 구축하며, 상기 제1 및 제2 네트워크 모델들을 기초로 상기 소리 데이터로부터 상기 음성 데이터 및 상기 배경음 데이터를 각각 분리하고, 상기 제4 네트워크 모델을 기초로 상기 음성 데이터로부터 상기 텍스트 데이터를 추출하며, 상기 텍스트 데이터에서 개인 정보를 검출하고, 상기 텍스트 데이터에서 상기 개인 정보를 익명 정보로 변환하며, 상기 익명 정보를 포함하는 텍스트 데이터를 상기 학습 데이터로서 저장하는 단계를 것을 특징으로 하는 목소리 개인정보 보호 기술을 이용한 학습 데이터베이스 구축 시스템.
KR1020210090494A 2021-07-09 2021-07-09 목소리 개인정보 보호 기술을 이용한 학습 데이터베이스 구축 방법 및 시스템 KR102374343B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020210090494A KR102374343B1 (ko) 2021-07-09 2021-07-09 목소리 개인정보 보호 기술을 이용한 학습 데이터베이스 구축 방법 및 시스템
PCT/KR2022/009153 WO2023282520A1 (ko) 2021-07-09 2022-06-27 목소리 개인정보 보호 기술을 이용한 학습 데이터베이스 구축 방법 및 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210090494A KR102374343B1 (ko) 2021-07-09 2021-07-09 목소리 개인정보 보호 기술을 이용한 학습 데이터베이스 구축 방법 및 시스템

Publications (1)

Publication Number Publication Date
KR102374343B1 true KR102374343B1 (ko) 2022-03-16

Family

ID=80937636

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210090494A KR102374343B1 (ko) 2021-07-09 2021-07-09 목소리 개인정보 보호 기술을 이용한 학습 데이터베이스 구축 방법 및 시스템

Country Status (2)

Country Link
KR (1) KR102374343B1 (ko)
WO (1) WO2023282520A1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102486563B1 (ko) 2022-04-15 2023-01-10 주식회사 에스더블유지 Nft 기술이 적용된 목소리데이터 관리플랫폼 제공 시스템 및 제공 방법
WO2023282520A1 (ko) * 2021-07-09 2023-01-12 (주)에이아이매틱스 목소리 개인정보 보호 기술을 이용한 학습 데이터베이스 구축 방법 및 시스템
KR102574605B1 (ko) * 2022-05-12 2023-09-06 주식회사 삼우에이엔씨 영상 데이터 및 소리 데이터를 활용하여 소리 데이터를 분류하고 그리고 소음도를 측정하는 방법, 장치 및 컴퓨터 프로그램

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013171089A (ja) * 2012-02-17 2013-09-02 Toshiba Corp 音声補正装置、方法、及びプログラム
KR101581641B1 (ko) 2015-07-27 2015-12-30 조현철 개인정보 보호형 호출서비스 제공 방법 및 시스템
KR20190100117A (ko) * 2019-08-09 2019-08-28 엘지전자 주식회사 인공지능 기반의 홈 시어터 음성 제어 장치 및 방법
WO2021006405A1 (ko) * 2019-07-11 2021-01-14 엘지전자 주식회사 인공지능 서버
KR20210026006A (ko) * 2019-08-29 2021-03-10 조용구 영상의 음성을 아바타 및 애니메이션으로 변환하는 수화번역 시스템 및 방법

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102089797B1 (ko) * 2017-08-22 2020-03-17 주식회사 나솔시스템즈 인공지능 기반의 홈페이지 개인정보유출차단시스템
KR102374343B1 (ko) * 2021-07-09 2022-03-16 (주)에이아이매틱스 목소리 개인정보 보호 기술을 이용한 학습 데이터베이스 구축 방법 및 시스템

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013171089A (ja) * 2012-02-17 2013-09-02 Toshiba Corp 音声補正装置、方法、及びプログラム
KR101581641B1 (ko) 2015-07-27 2015-12-30 조현철 개인정보 보호형 호출서비스 제공 방법 및 시스템
WO2021006405A1 (ko) * 2019-07-11 2021-01-14 엘지전자 주식회사 인공지능 서버
KR20190100117A (ko) * 2019-08-09 2019-08-28 엘지전자 주식회사 인공지능 기반의 홈 시어터 음성 제어 장치 및 방법
KR20210026006A (ko) * 2019-08-29 2021-03-10 조용구 영상의 음성을 아바타 및 애니메이션으로 변환하는 수화번역 시스템 및 방법

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023282520A1 (ko) * 2021-07-09 2023-01-12 (주)에이아이매틱스 목소리 개인정보 보호 기술을 이용한 학습 데이터베이스 구축 방법 및 시스템
KR102486563B1 (ko) 2022-04-15 2023-01-10 주식회사 에스더블유지 Nft 기술이 적용된 목소리데이터 관리플랫폼 제공 시스템 및 제공 방법
KR102574605B1 (ko) * 2022-05-12 2023-09-06 주식회사 삼우에이엔씨 영상 데이터 및 소리 데이터를 활용하여 소리 데이터를 분류하고 그리고 소음도를 측정하는 방법, 장치 및 컴퓨터 프로그램

Also Published As

Publication number Publication date
WO2023282520A1 (ko) 2023-01-12

Similar Documents

Publication Publication Date Title
KR102374343B1 (ko) 목소리 개인정보 보호 기술을 이용한 학습 데이터베이스 구축 방법 및 시스템
JP6792089B2 (ja) 声紋認識方法、装置、端末機器および記憶媒体
EP3201912B1 (en) Neural network-based speech processing
Aloufi et al. Privacy-preserving voice analysis via disentangled representations
EP2880834B1 (en) Using the ability to speak as a human interactive proof
CN112435684B (zh) 语音分离方法、装置、计算机设备和存储介质
WO2011052412A1 (ja) 音声認識システム、音声認識要求装置、音声認識方法、音声認識用プログラムおよび記録媒体
CN111091835B (zh) 模型训练的方法、声纹识别的方法、系统、设备及介质
KR101617649B1 (ko) 영상의 관심 구간 추천 시스템 및 방법
JP2018522303A (ja) アカウント追加方法、端末、サーバ、およびコンピュータ記憶媒体
CN114596879B (zh) 一种虚假语音的检测方法、装置、电子设备及存储介质
CN110310642B (zh) 语音处理方法、系统、客户端、设备和存储介质
US20210382939A1 (en) Media Search Filtering Mechanism For Search Engine
CN114627856A (zh) 语音识别方法、装置、存储介质及电子设备
CN112507311A (zh) 一种基于多模态特征融合的高安全性身份验证方法
CN115376559A (zh) 基于音视频的情绪识别方法、装置及设备
Aloufi et al. Configurable privacy-preserving automatic speech recognition
KR102500255B1 (ko) 음성 개인정보 보호 기술을 이용한 기계학습 데이터베이스 구축 시스템
KR20200092491A (ko) 자연어 문장을 기반으로 하는 변환 이미지 생성 장치, 방법 및 이를 이용하는 변환 이미지 생성 시스템
WO2021028236A1 (en) Systems and methods for sound conversion
CN115376498A (zh) 语音识别方法、模型训练方法、装置、介质、电子设备
KR102642617B1 (ko) 인공 지능을 이용한 음성 합성 장치, 음성 합성 장치의 동작 방법 및 컴퓨터로 판독 가능한 기록 매체
KR102622350B1 (ko) 전자 장치 및 그 제어 방법
US20230162726A1 (en) Obfuscating audio samples for health privacy contexts
US20230229790A1 (en) Sanitizing personally identifiable information (pii) in audio and visual data

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant