平衡隐私与效率：通过加法同态加密实现音乐信息检索.pdfVIP

平衡隐私与效率：通过加法同态加密实现音乐

信息检索

WilliamZerongWangDongfangZhao

IndependentResearcherUniversityofWashington

本s-wangwil@dzhao@

译

中摘要

1

v在生成式AI的时代，确保音乐数据的隐私面临着独特的挑战：与图

4像等静态艺术品不同，音乐数据本质上是时间性和多模态的，并且以前

4

0所未有的规模进行采样、转换和混音。这些特征使得其核心向量嵌入，

7即音乐的数值表示，极易被模型学习、滥用甚至窃取，而无需访问原始

0

.音频文件。传统的版权许可和数字水印方法为这些抽象的数学表示提

8

0供的保护有限，因此需要更强大的、例如加密的方法来保护这些嵌入本

5身。这一系列工作旨在开发一个平衡安全性和效率的音乐嵌入加密框

2

:架，因为支持音乐推荐和检索等核心功能需要能够在加密数据上执行

v

i昂贵的相似性有哪些信誉好的足球投注网站的能力。标准的加密方案如AES使数据无法被计算

x

r理解，从而使此类有哪些信誉好的足球投注网站成为不可能。虽然全同态加密（FHE）通过允许

a

对密文进行任意计算提供了可能的解决方案，但其显著的性能开销对

于大规模向量相似性有哪些信誉好的足球投注网站来说仍然是不切实际的。鉴于这种权衡，我们

提出了一种更实用的方法，使用加法同态加密（AHE）来进行向量相似

性有哪些信誉好的足球投注网站。尽管AHE支持的操作集有限，即仅限于密文之间的算术加法

运算，但我们在特定威胁模型下展示了这些加法操作足以构建标量乘

法并在保护用户查询隐私或数据库机密性的常见场景中提供可证明的

安全性，所有这些都在远低于FHE的计算成本下实现。本文的主要贡

献有三方面：我们分析了音乐信息检索系统特有的威胁模型；我们提供

了理论分析并提出了通过音乐嵌入的内积来交付隐私保护相似性有哪些信誉好的足球投注网站

的有效AHE解决方案；最后，我们在真实世界MP3文件上进行了经

验评估和与FHE方案的比较，展示了所提方法的效率和实用性。

1

1介绍

在生成式AI时代，音乐数据面临着日益复杂的隐私挑战。近期的进展

如OpenAI的Jukebox[1]和Google的MusicLM[2]表明，现在可以根据流

派、乐器或甚至文本提示来生成高保真的音乐内容。这些系统依赖于学习到

的向量嵌入来完成诸如合成、分类和推荐等任务。然而，同样的嵌入也引入

了脆弱性：一旦暴露，它们可以被采样、混音或逆向工程化而不需访问原始

音频。随着音乐嵌入在信息检索管道、推荐系统和创意工具中的使用范围扩

大，确保这些表示形式不被滥用或未经授权的复制变得越来越重要[3,4,5]。

因此，在可访问性和保护之间取得平衡是保障音乐数据安全与伦理机器学习

的核心挑战。

近期的高调事件突显了这一问题的紧迫性。2023年4月，病毒式传播的

人工智能生成歌曲《HeartonMy