WO2023282520A1 - 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
WO2023282520A1
WO2023282520A1 PCT/KR2022/009153 KR2022009153W WO2023282520A1 WO 2023282520 A1 WO2023282520 A1 WO 2023282520A1 KR 2022009153 W KR2022009153 W KR 2022009153W WO 2023282520 A1 WO2023282520 A1 WO 2023282520A1
Authority
WO
WIPO (PCT)
Prior art keywords
data
voice
learning
sound data
sound
Prior art date
Application number
PCT/KR2022/009153
Other languages
English (en)
French (fr)
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
Publication of WO2023282520A1 publication Critical patent/WO2023282520A1/ko

Links

Images

Classifications

    • 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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • 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
    • G10L17/00—Speaker identification or verification
    • G10L17/04—Training, enrolment or model building
    • 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

Definitions

  • the present invention relates to learning data generation technology for machine learning, and more particularly, as learning data for machine learning, learning using voice privacy protection technology capable of securing data including sound information for which personal information is protected. It relates to a database construction method and system.
  • Supervised learning is a method in which correct answer data (input data and a pair of corresponding labels) already exist and informs the correct answer to the learning model so that the error between the predicted value and the correct value of the learning model is minimized.
  • Unsupervised learning is a learning method in which correct answer data does not exist (only input data exists), and similarities between data and hidden characteristics are analyzed and classified.
  • Reinforcement learning is a method of learning through the process of assigning rewards and punishments to model decisions in the environment without correct answer data.
  • Supervised learning has the advantage that it is easy to learn, stable, and easy to evaluate performance compared to unsupervised learning or reinforcement learning because clear answer data already exists. However, it takes a lot of time and human resources to the extent that the process of preparing learning data occupies most of supervised learning. In addition, since the quantity and quality of learning data has a great influence on the recognition performance of the trained machine learning model, the key to supervised learning is the generation of learning data.
  • a recognition sensor is essential for recognizing and determining a driving situation of a vehicle, and generally a camera, lidar, radar, or the like can be used for such a recognition sensor.
  • a machine learning model can be trained using data acquired by such a recognition sensor. As the amount of information included in the data acquired by the sensor increases, it is advantageous to improve the performance of the machine learning model. Performance improvements can be expected.
  • voice information included in sound is sensitive information included in personal information enabling identification of an individual, it is not desirable to store and utilize it without the user's consent.
  • There is a method such as voice modulation as a method used to protect individual privacy, but even if voice modulation is applied, an individual can be identified to some extent by the intonation and tone of the voice. There is a need to process audio information.
  • An embodiment of the present invention is to provide a method and system for constructing a learning database using voice privacy protection technology capable of securing data including sound information for which personal information is protected as learning data for machine learning.
  • An embodiment of the present invention separates the background sound and voice of sound data, applies irreversible encoding only to the voice, encrypts it, converts it into text corresponding to the voice, and then learns using voice privacy protection technology that can remove personal information.
  • voice privacy protection technology that can remove personal information.
  • a learning database construction method using voice privacy protection technology includes receiving image data including sound data; separating the sound data from the image data; extracting background sound data from the sound data; and storing the image data from which the sound data is removed and the background sound data as learning data.
  • Separating the sound data may include applying at least one of a plurality of preprocessing methods to the sound data.
  • the step of extracting the background sound data may include defining a machine learning-based network model including a deep neural network; constructing a first network model that receives the sound data as an input and generates voice data as an output; constructing a second network model that receives the sound data as an input and generates the background sound data as an output; and separating the voice data and the background sound data from the sound data based on the first and second network models.
  • the extracting of the background sound data may include constructing a third network model that receives the voice data as an input and generates a voice feature vector as an output; irreversible encoding of the voice data based on the third network model; and storing the speech feature vector generated by the irreversible encoding as the training data.
  • the extracting of the background sound data may include constructing a fourth network model that receives the voice data as an input and generates text data as an output; and extracting the text data from the voice data based on the fourth network model.
  • the extracting of the background sound data may include: detecting personal information from the text data; converting the personal information into anonymous information in the text data; and storing text data including the anonymous information as the learning data.
  • the converting into anonymous information may include replacing the personal information with a higher class name based on a machine learning-based conversion model.
  • a system for constructing a learning database using voice privacy protection technology includes an image receiver for receiving image data including sound data; a sound extractor separating the sound data from the image data; a background sound separator extracting background sound data from the sound data; and a learning data storage unit configured to store image data from which the sound data is removed and the background sound data as learning data.
  • the disclosed technology may have the following effects. However, it does not mean that a specific embodiment must include all of the following effects or only the following effects, so it should not be understood that the scope of rights of the disclosed technology is limited thereby.
  • the method and system for constructing a learning database using voice privacy protection technology can secure data including sound information for which personal information is protected as learning data for machine learning.
  • a learning database construction method and system using voice privacy protection technology separates the background sound and voice of sound data, applies irreversible encoding to only the voice, encrypts it, converts it into text corresponding to the voice, Personal information can be removed.
  • FIG. 1 is a diagram illustrating a learning database construction system according to the present invention.
  • FIG. 2 is a diagram for explaining the system configuration of the learning database construction device of FIG. 1 .
  • FIG. 3 is a diagram explaining the functional configuration of the learning database construction device of FIG. 1 .
  • FIG. 4 is a flowchart illustrating a method for constructing a learning database using voice privacy protection technology according to the present invention.
  • FIG. 5 is a diagram for explaining an embodiment of a method for separating background sound and voice according to the present invention.
  • 6 and 7 are diagrams for explaining an embodiment of a feature vector calculation method according to the present invention and irreversible characteristics.
  • FIG. 8 is a diagram for explaining an embodiment of a text conversion method according to the present invention.
  • FIG. 9 is a diagram illustrating the overall concept of the present invention.
  • first and second are used to distinguish one component from another, and the scope of rights should not be limited by these terms.
  • a first element may be termed a second element, and similarly, a second element may be termed a first element.
  • the identification code (eg, a, b, c, etc.) is used for convenience of explanation, and the identification code does not describe the order of each step, and each step clearly follows a specific order in context. Unless otherwise specified, it may occur in a different order than specified. That is, each step may occur in the same order as specified, may be performed substantially simultaneously, or may be performed in the reverse order.
  • the present invention can be implemented as computer readable code on a computer readable recording medium
  • the computer readable recording medium includes all types of recording devices storing data that can be read by a computer system.
  • Examples of computer-readable recording media include ROM, RAM, CD-ROM, magnetic tape, floppy disk, and optical data storage devices.
  • the computer-readable recording medium may be distributed to computer systems connected through a network, so that computer-readable codes may be stored and executed in a distributed manner.
  • FIG. 1 is a diagram illustrating a learning database construction system according to the present invention.
  • a learning database construction system 100 may be implemented by including a user terminal 110 , a learning database construction device 130 and a database 150 .
  • the user terminal 110 may correspond to a terminal device operated by a user.
  • a user may be understood as one or more users, and a plurality of users may be divided into one or more user groups.
  • Each of one or more users may correspond to one or more user terminals 110 . That is, the first user may correspond to the first user terminal, the second user may correspond to the second user terminal, ..., the nth user (where n is a natural number) may correspond to the nth user terminal.
  • the user terminal 110 may correspond to a computing device capable of performing user actions including creating, modifying, and deleting learning data.
  • the user terminal 110 may be implemented as a smart phone, laptop, or computer that is connected to and operable with the learning database construction device 130, but is not necessarily limited thereto, and is implemented with various devices including a tablet PC and the like. It can be.
  • the user terminal 110 may install and execute a dedicated program or application for interworking with the learning database building device 130 .
  • the user terminal 110 may transmit predetermined image data to the learning database building device 130 to generate learning data, and may access the learning database built by the learning database building device 130. . This process may be performed through an interface provided through a dedicated program or application.
  • the user terminal 110 may be connected to the learning database construction device 130 through a network, and a plurality of user terminals 110 may be simultaneously connected to the learning database construction device 130 .
  • the learning database construction device 130 may be implemented as a server corresponding to a computer or program that performs the learning database construction method according to the present invention.
  • the learning database building device 130 may be connected to the user terminal 110 through a wired network or a wireless network such as Bluetooth, WiFi, LTE, etc., and may transmit and receive data with the user terminal 110 through the network. .
  • the learning database building device 130 may be implemented to operate in connection with an independent external system (not shown in FIG. 1 ) to collect learning data or provide learning data.
  • the learning database construction device 130 may be implemented as a cloud server, and may satisfy various needs of users regarding construction and utilization of a learning database through a cloud service.
  • the database 150 may correspond to a storage device for storing various information necessary for the operation of the learning database building device 130 .
  • the database 150 may store image data collected from various sources or store information about a learning algorithm and a learning model for building a machine learning model, but is not necessarily limited thereto, and a learning database building device ( 130) can store collected or processed information in various forms in the course of performing the learning database construction method using voice privacy protection technology according to the present invention.
  • the database 150 is shown as a device independent of the learning database building device 130, but is not necessarily limited thereto, and may be included in the learning database building device 130 as a logical storage device. Of course you can.
  • FIG. 2 is a diagram for explaining the system configuration of the learning database construction device of FIG. 1 .
  • the learning database construction apparatus 130 may include a processor 210, a memory 230, a user input/output unit 250, and a network input/output unit 270.
  • the processor 210 may execute a learning database construction procedure according to an embodiment of the present invention, manage the memory 230 read or written in this process, and volatile memory and non-volatile memory in the memory 230 Synchronization time between memories can be scheduled.
  • the processor 210 can control the overall operation of the learning database building device 130, and is electrically connected to the memory 230, the user input/output unit 250, and the network input/output unit 270 to control data flow between them. can do.
  • the processor 210 may be implemented as a central processing unit (CPU) of the learning database building device 130 .
  • the memory 230 is implemented as a non-volatile memory such as a solid state disk (SSD) or a hard disk drive (HDD) and may include an auxiliary storage device used to store all data necessary for the learning database building device 130, , may include a main memory implemented as a volatile memory such as RAM (Random Access Memory).
  • the memory 230 may store a set of instructions for executing the learning database construction method according to the present invention by being executed by the electrically connected processor 210 .
  • the user input/output unit 250 includes an environment for receiving a user input and an environment for outputting specific information to the user, and includes an adapter such as a touch pad, a touch screen, an on-screen keyboard, or a pointing device. It may include devices and output devices including adapters such as monitors or touch screens.
  • the user input/output unit 250 may correspond to a computing device connected through a remote connection, and in such a case, the learning database building device 130 may be implemented as an independent server.
  • the network input/output unit 270 provides a communication environment to be connected to the user terminal 110 through a network, and includes, for example, a local area network (LAN), a metropolitan area network (MAN), a wide area network (WAN) and An adapter for communication such as a Value Added Network (VAN) may be included.
  • the network input/output unit 270 may be implemented to provide a short-range communication function such as WiFi or Bluetooth or a 4G or higher wireless communication function for wireless transmission of learning data.
  • FIG. 3 is a diagram explaining the functional configuration of the learning database construction device of FIG. 1 .
  • the learning database construction device 130 may include an image receiver 310, a sound extractor 330, a background sound separator 350, a learning data storage unit 370, and a control unit 390. there is.
  • the image receiver 310 may receive image data including sound data.
  • the image data may include a black box image captured through a black box while the vehicle is driving, an image captured through a recognition sensor such as a camera, LIDAR, and radar, aerial images, medical images, and the like.
  • Sound data included in the image may include background sound, white noise, voice, and the like.
  • the image receiving unit 310 may receive image data through a network, and may receive an image transmitted by the user terminal 110 or search for and receive an image stored in the database 150 .
  • the image receiving unit 310 may independently receive sound data and image data. That is, the image receiver 310 may sequentially receive image data not including sound data and sound data corresponding thereto, or receive a pair of image data and sound data.
  • the image receiving unit 310 may perform a preprocessing operation on received image data. For example, the image receiving unit 310 may perform a preprocessing operation such as dividing image data into predetermined section lengths or converting the video data to a predetermined resolution. Also, the image receiving unit 310 may generate a single image by integrating the original image and the preprocessed image. The image receiving unit 310 may process it into a usable form in a later step through various pre-processing operations, and the image received or processed by the image receiving unit 310 may be stored in the database 150 and managed.
  • a preprocessing operation such as dividing image data into predetermined section lengths or converting the video data to a predetermined resolution.
  • the image receiving unit 310 may generate a single image by integrating the original image and the preprocessed image.
  • the image receiving unit 310 may process it into a usable form in a later step through various pre-processing operations, and the image received or processed by the image receiving unit 310 may be stored in the database 150 and managed.
  • the sound extractor 330 may separate sound data from image data.
  • the sound extractor 330 may extract sound from the video using commercial software, and may utilize a method of recording the sound of the video through reproduction of the video data and then removing the sound from the video, if necessary.
  • the sound extractor 330 may separate image data and sound data through various methods, and the separated image and sound may be stored in the database 150 and managed.
  • the sound extractor 330 may apply at least one of a plurality of pre-processing methods to sound data. That is, predetermined pre-processing steps may be performed on the sound data to be suitable for data processing. In particular, various methods may be applied to the preprocessing operation, and may be performed according to a single method or a combination of a plurality of methods. For example, the sound extractor 330 may convert 1-dimensional sound data into a 2-dimensional spectrogram, apply an absolute value to the 2-dimensional spectrogram, and determine the absolute value based on the maximum value of the absolute value. A preprocessing operation that normalizes can be performed.
  • the spectrogram may correspond to a method of visualizing and expressing a spectrum of sound as a graph. More specifically, the 2-dimensional spectrogram corresponding to 1-dimensional sound data consists of a waveform that visually expresses changes in the amplitude axis over time and a spectrum that visually expresses changes in the amplitude axis according to changes in frequency. A combined structure can be formed.
  • the 2D spectrogram may correspond to a graph in which a difference in amplitude is expressed as a change in color and density on each of the time axis and the frequency axis.
  • the background sound separator 350 may extract background sound data from sound data.
  • the background sound data may correspond to a result of removing a human voice from sound data.
  • the background sound separation unit 350 may remove only certain targeted sound information from sound data by utilizing the learning model.
  • the background sound separation unit 350 defines a machine learning-based network model including a deep neural network, receives sound data as an input, builds a first network model that generates voice data as an output, and A second network model receiving data as an input and generating background sound data as an output may be constructed, and voice data and background sound data may be separated from sound data based on the first and second network models. That is, the background sound separator 350 may independently extract voice and background sound from sound data through a machine learning-based network model. To this end, the background sound separation unit 350 may independently build a network model according to the sound to be extracted.
  • the background sound separator 350 may construct a first network model for extracting voice data from sound data and a second network model for extracting background sound data from sound data based on a predefined network model.
  • the first and second network models may be implemented through a deep neural network composed of a plurality of neural network-based encoders and decoders.
  • the background sound separation unit 350 may extract voice and background sound by sequentially applying the first and second network models to the sound data to be separated, respectively.
  • the extracted voice and background sound may be temporarily stored in the memory 230, and the background sound separation unit 350 may prevent leakage of personal information by storing only the background sound in the database 150 and deleting the voice without separate storage. .
  • the background sound separator 350 receives voice data as an input, constructs a third network model generating voice feature vectors as an output, and irreversibly encodes the voice data based on the third network model. encoding), and the speech feature vector generated by irreversible encoding may be stored as training data.
  • Voice feature values may be defined as values of a certain length having the same data format (for example, 16-bit integer type or 32-bit floating point type, etc.) for each certain time interval of voice information, and mathematically expressed as a vector. It can be. That is, the background sound separator 350 may generate a voice feature vector as feature information corresponding to the voice data, and may build a dedicated network model for this purpose.
  • the third network model can generate a voice feature vector corresponding to voice data, and in this case, the voice feature vector generation process through the third network model cannot be restored to voice data through decoding of the voice feature vector. It may correspond to an irreversible encoding process. Meanwhile, voice feature vectors cannot be used to specify an individual, but can be used to calculate similarity between voices, and whether voice data is generated from the same speaker can be detected according to the similarity.
  • the background sound separator 350 may construct a fourth network model that receives voice data as an input and generates text data as an output, and extracts text data from the voice data based on the fourth network model.
  • voice data may be converted into text data through a fourth network model, which is a machine learning model, and the fourth network model may be built based on various voice recognition algorithms for converting voice into text.
  • the voice recognition algorithm may include Hidden Markov Models (HMM), Dynamic Time Warping (DTW), Neural Network, and the like.
  • the background sound separator 350 may detect personal information from text data, convert the personal information from text data into anonymous information, and store the text data including the anonymous information as training data. That is, in the process of converting voice data into text data, personally identifiable characteristic information such as intonation or tone that appears only in voice may be removed, and information related to personal information included in text may be removed or converted to anonymous information that is not personally identifiable. It can also be replaced to eliminate the possibility of personal identification through text. Meanwhile, the background sound separator 350 may utilize a personal information recognition machine learning model to detect personal information from text data.
  • the background sound separation unit 350 may replace personal information with a higher class name based on a machine learning-based conversion model.
  • the upper class name of the personal information included in the text may be used, but it is not necessarily limited thereto, and various names providing anonymity may be used.
  • a conversion model built through machine learning may be used, and the conversion model may receive specific personal information as an input and generate the upper class name of the personal information as an output.
  • related information such as a person's name, height, age, and weight
  • a class name such as 'person' or 'person'
  • related information such as a specific address, location, building, or region
  • the background sound separator 350 may replace personal information included in the text with anonymous information generated based on a voice feature vector.
  • the anonymous information may correspond to random information generated using a voice feature vector.
  • the background sound separator 350 may apply a predetermined hash function to the voice feature vector generated through irreversible encoding and generate anonymous information based on the hash value.
  • a hash table may be used to apply the hash function, and a conversion table independent of the hash table may be additionally used to generate anonymous information about the hash value.
  • the background sound separation unit 350 may generate a secret key for an encryption process based on the voice feature vector, and perform an encryption operation for encrypting personal information using the secret key.
  • irreversible encryption may be applied according to an encryption algorithm used in the encryption operation, and accordingly, anonymity of personal information in text may be achieved indirectly.
  • the learning data storage unit 370 may store image data and background sound data from which sound data is removed as learning data. Sound information from which personal information has been removed can be used as learning data, such as image information, to improve the recognition performance of the machine learning model, and can be applied to actual service without restrictions in that it does not contain personal information.
  • the learning data storage unit 370 may store and manage the learning data from which personal information has been removed in the database 150, and may store the learning data independently according to the data type.
  • One image data stored in the database 150 may be connected to background sound data, audio feature vectors, and text data from which personal information is removed, respectively, and a search operation in the database 150 is performed using the audio feature vector as a unique key value. can be performed That is, based on the degree of similarity between speech feature vectors, anonymous record data can be searched and extracted.
  • the control unit 390 controls the overall operation of the learning database construction device 130, and controls flow or You can manage data flow.
  • FIG. 4 is a flowchart illustrating a method for constructing a learning database using voice privacy protection technology according to the present invention.
  • the learning database construction apparatus 130 may receive image data including sound data through the image receiver 310 (step S410).
  • the image receiver 310 may independently receive sound data and image data corresponding thereto. That is, the image data at this time may correspond to an image without sound data. If image data including sound data is received, the image data may be transferred to the sound extractor 330 and a predetermined separation step may be performed.
  • the learning database building device 130 may separate sound data from image data through the sound extractor 330 (step S430).
  • the video may include various sounds. For example, in the case of a video captured through a black box installed in a vehicle, the engine sound generated while the vehicle is driving along with the video, the conversation sound of the driver and passengers inside the vehicle, the sound of the environment outside the vehicle, etc. It can be included as this sound data.
  • sound data extracted from image data may undergo a predetermined pre-processing step.
  • the sound extractor 330 may perform a preprocessing operation of converting sound data into a two-dimensional spectrogram, and for a subsequent operation step, the range of the spectrogram is adjusted or predetermined filters are added to the spectrogram. may be applied.
  • the learning database construction apparatus 130 may extract background sound data from sound data through the background sound separator 350 (step S450).
  • a pre-constructed learning network may be used in the process of separating sound data, and the learning network model may be pre-constructed based on various machine learning-based network models.
  • the background sound separator 350 may extract independent background sound data for each type from sound data.
  • the background sound separation unit 350 may separate and extract vehicle interior sounds and vehicle exterior sounds from sound data, and may extract drivers and passengers separately (or by user). That is, the background sound separation unit 350 may independently extract extractable sound data according to the type, and in this case, type information about the sound data may be defined in advance and used in the corresponding process.
  • the learning database construction apparatus 130 may store image data and background sound data from which sound data has been removed as learning data through the learning data storage unit 370 (step S470).
  • the learning data storage unit 370 may group information extracted or generated in relation to one image data into one learning data and store it in the database 150 .
  • one training data may include background sound data extracted from video data and sound data, audio feature vectors generated based on audio data, and text data from which personal information is removed.
  • the training data storage unit 370 may generate an identification code for the specific training data based on the speech feature vector of the specific training data and store it together.
  • FIG. 5 is a diagram for explaining an embodiment of a method for separating background sound and voice according to the present invention.
  • the learning database construction apparatus 130 may separate audio data and background sound data by applying a preprocessing operation and a machine learning model to sound data that is separated from video data or received independently of video data.
  • the learning database construction apparatus 130 may pre-process sound data to generate a pre-processed spectrogram, and extract a voice spectrogram and a background sound spectrogram, respectively, from the spectrogram.
  • Each extracted spectrogram may be generated by being separated into voice data and background sound data through a post-processing operation.
  • the background sound data is stored as learning data in the database 150 as it is, in the case of voice data, an additional operation for removing personal information may be performed.
  • 6 and 7 are diagrams for explaining an embodiment of a feature vector calculation method according to the present invention and irreversible characteristics.
  • the learning database building device 130 may encode voice data 610 through a machine learning model. At this time, in the case of the encoded voice feature vector 630, it may be impossible to restore the voice data 610. That is, the speech encoding process of generating the speech feature vector 630 corresponding to the speech data 610 may correspond to the irreversible encoding process of speech information.
  • the voice feature vector 730 generated through irreversible encoding of voice data 710 cannot be used to specify the speaker, and based on the similarity between the voice feature vectors 730, the speaker of the two voices It can be used to determine whether it is the same person.
  • voice feature vectors 730 of the same person may have similarities and only small errors may exist between them. Unlike this, it is difficult for the voice feature vectors 730 between different people to show similarity, and a relatively large error may exist between them.
  • the learning database building device 130 can effectively search for the voice data 710 generated by the same person by using the voice feature vector 730 among the learning data built in the database 150.
  • the learning database construction apparatus 130 can effectively determine whether or not the speaker between two unidentified voices is the same person based on the voice feature vector 730 .
  • FIG. 8 is a diagram for explaining an embodiment of a text conversion method according to the present invention.
  • the learning database building device 130 may convert voice data 810 into text data 810 using a machine learning model.
  • the learning database building device 130 can effectively remove personal information in text through a personal information recognition machine learning model that recognizes information closely related to personal information included in the text data 810 .
  • the learning database building device 130 can remove personal information from text and replace it with anonymous information having anonymity.
  • the learning database construction device 130 may replace personal information in the text with the recognized upper class name 870, and in the process of determining the upper class name 870 corresponding to the personal information, the machine learning model can be used.
  • the text data 850 from which personal information has been removed may be stored and managed in the database 150 as learning data associated with image information.
  • FIG. 9 is a diagram illustrating the overall concept of the present invention.
  • the learning database construction apparatus 130 separates sound information into voice information and background sound information, and an irreversible and undecodable method from the voice information, and a voice feature vector and A machine learning database can be built by storing text information together with images.
  • the learning database construction device 130 may classify and extract anonymous record data based on the degree of similarity between voice feature vectors in the constructed machine learning database.
  • the learning database construction apparatus 130 calculates a voice feature vector from a specific person's voice according to a request presented together with a warrant from a law enforcement agency. It is possible to extract the most similar driving records. Meanwhile, in the driving record, voice feature vectors of the occupant may be recorded together with the driver while the vehicle is driving.
  • the learning database construction apparatus 130 uses a data processing technology using many parameters, called deep learning or deep neural network, to convert sound included in an image to background sound and human interaction. It can be separated into voices, and voices are converted into feature vectors and text so that identification information that can identify individuals can be removed. That is, the learning database building device 130 can execute a method of protecting personal information by automatically removing personal information included in audio in an image while effectively securing learning data on images, which are difficult to collect in machine learning. there is.
  • processor 230 memory

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
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.
[선행기술문헌]
[특허문헌]
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.
[부호의 설명]
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 포함하는 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. 제1항에 있어서, 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 포함하는 것을 특징으로 하는 목소리 개인정보 보호 기술을 이용한 학습 데이터베이스 구축 방법.
  4. 제3항에 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. 제3항에 있어서, 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 포함하는 것을 특징으로 하는 목소리 개인정보 보호 기술을 이용한 학습 데이터베이스 구축 방법.
  6. 제5항에 있어서, 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 포함하는 것을 특징으로 하는 목소리 개인정보 보호 기술을 이용한 학습 데이터베이스 구축 방법.
  7. 제6항에 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 포함하는 목소리 개인정보 보호 기술을 이용한 학습 데이터베이스 구축 시스템.
PCT/KR2022/009153 2021-07-09 2022-06-27 목소리 개인정보 보호 기술을 이용한 학습 데이터베이스 구축 방법 및 시스템 WO2023282520A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2021-0090494 2021-07-09
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
WO2023282520A1 true WO2023282520A1 (ko) 2023-01-12

Family

ID=80937636

Family Applications (1)

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

Country Status (2)

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

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102374343B1 (ko) * 2021-07-09 2022-03-16 (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

Citations (7)

* 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
KR102089797B1 (ko) * 2017-08-22 2020-03-17 주식회사 나솔시스템즈 인공지능 기반의 홈페이지 개인정보유출차단시스템
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
KR102374343B1 (ko) * 2021-07-09 2022-03-16 (주)에이아이매틱스 목소리 개인정보 보호 기술을 이용한 학습 데이터베이스 구축 방법 및 시스템

Patent Citations (7)

* 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
KR102089797B1 (ko) * 2017-08-22 2020-03-17 주식회사 나솔시스템즈 인공지능 기반의 홈페이지 개인정보유출차단시스템
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
KR102374343B1 (ko) * 2021-07-09 2022-03-16 (주)에이아이매틱스 목소리 개인정보 보호 기술을 이용한 학습 데이터베이스 구축 방법 및 시스템

Also Published As

Publication number Publication date
KR102374343B1 (ko) 2022-03-16

Similar Documents

Publication Publication Date Title
WO2023282520A1 (ko) 목소리 개인정보 보호 기술을 이용한 학습 데이터베이스 구축 방법 및 시스템
WO2013176329A1 (ko) 오디오 신호를 이용한 콘텐츠 인식 장치 및 방법
WO2015005679A1 (ko) 음성 인식 방법, 장치 및 시스템
WO2020256471A1 (ko) 머신 러닝 기반의 발화 동영상 생성 방법 및 장치
WO2020054980A1 (ko) 음소기반 화자모델 적응 방법 및 장치
WO2020032348A1 (ko) 데이터를 식별 처리하는 방법, 시스템 및 비일시성의 컴퓨터 판독 가능 기록 매체
WO2016137042A1 (ko) 사용자 인식을 위한 특징 벡터를 변환하는 방법 및 디바이스
WO2022114437A1 (ko) 클라우드 환경에서 음성 인식을 통하여 인공지능 제어기술을 수행하는 전자 칠판 시스템
WO2022086147A1 (en) Method for training and testing user learning network to be used for recognizing obfuscated data created by obfuscating original data to protect personal information and user learning device and testing device using the same
WO2020159140A1 (ko) 전자 장치 및 이의 제어 방법
EP3025258A1 (en) Interactive system, server and control method thereof
WO2023167466A1 (ko) 음성 개인정보 보호 기술을 이용한 기계학습 데이터베이스 구축 시스템
WO2023128342A1 (ko) 동형 암호화된 음성을 이용한 개인 식별 방법 및 시스템
WO2021251539A1 (ko) 인공신경망을 이용한 대화형 메시지 구현 방법 및 그 장치
WO2016148322A1 (ko) 영상 정보를 기반으로 음성 구간을 검출하는 방법 및 장치
WO2018117660A1 (en) Security enhanced speech recognition method and device
CA3057939A1 (en) Method that redacts zones of interest in an audio file using computer vision and machine learning
WO2020256475A1 (ko) 텍스트를 이용한 발화 동영상 생성 방법 및 장치
WO2021049802A1 (ko) 전자 장치 및 이의 제어 방법
WO2023140519A1 (ko) 얼굴 개인정보 보호 기술을 이용한 기계학습 데이터베이스 구축 시스템
WO2022231053A1 (ko) 복수의 동적객체인식 처리가 가능한 다중해상도 영상처리장치 및 방법
AU2021101012A4 (en) A system for translating sign language into speech and vice-versa
WO2022124498A1 (ko) 립싱크 영상 생성 장치 및 방법
WO2013147374A1 (ko) 멀티 채널 분석을 이용한 비디오 스트림 분석 방법
WO2022050459A1 (en) Method, electronic device and system for generating record of telemedicine service

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 22837872

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 2022837872

Country of ref document: EP

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2022837872

Country of ref document: EP

Effective date: 20240209