转写要留、身份要走：面向说话人级遗忘的 ASR 表征驱散

英文题目：Towards Privacy-Preserving ASR: Speaker-Level Machine Unlearning

会议身份：conference:interspeech:2026:conference-paper-id:ok26_interspeech

来源为官方会议 PDF；图片依据原页像素，表格数字依据原文引用。PDF 文字层不视为原始 TeX，未可靠恢复的结构不作推断。

会议来源：官方记录 · 官方 PDF

标签：#对比学习 #隐私保护 #语音 #语音识别

评分：6.1/10 | 创新 1.3/2 | 技术严谨 1.0/1.5 | 实验充分 1.0/1.5 | 清晰度 0.7/1 | 影响力 1.0/1.5 | 开源 0.0/1.5 | 可复现 0.3/0.5 | 工程/实践 0.8/1.5

排名：前50% | 文档类型：方法研究

👥 作者与机构

• Seaone Ok：机构信息未能从会议 PDF 纯文本可靠映射
• Seungu Han：机构信息未能从会议 PDF 纯文本可靠映射
• Eungbeom Kim：机构信息未能从会议 PDF 纯文本可靠映射
• Kyogu Lee：机构信息未能从会议 PDF 纯文本可靠映射

📌 核心摘要

自动语音识别 Automatic Speech Recognition / ASR 以语音波形为输入并输出文字转写，难点在于自监督编码器为提升识别仍会记忆说话人声纹，从而可被成员推断攻击 Membership Inference Attack / MIA 重识别。本文先在微调后的 HuBERT-base 编码器上做层级探针定位记忆起点，再冻结编码器训练第 6 层辅助说话人头以获得可控嵌入空间并用 K-Means 估计遗忘簇质心，最后解冻编码器并以语音感知身份色散 Speech-Aware Identity Dispersion / SAID 将遗忘嵌入推离质心，同时仅在保留集上保留联结时序分类 Connectionist Temporal Classification / CTC 损失维持语言映射。相对梯度上升与随机标签等参数级遗忘机制，SAID直接在嵌入空间打散遗忘说话人簇质心结构，因而能在抹除身份可分性的同时保留语言映射的完整性。在VCTK遗忘未见语句评测设置下，SAID的MIA准确率为52.6%，低于原始模型的MIA准确率60.1%。该遗忘过程仅更新已定位层的表征分布并在保留集上维持转写约束，使保留集与未见测试集的识别可用性得以延续。该结论仅在高清朗读英语、小规模单语料微调和线性探针攻击下验证，未检验噪声、口音偏移、大规模遗忘或更强攻击下的外推能力。原文未披露训练、推理或部署成本。

🔗 开源与复现资源

本次未形成可展示的已核验资源记录，开放状态尚未核实。 可达状态仅表示本次链接检查结果，不代表许可证、本文权重或运行复现已验证。

🧭 深度解读

输入是什么：为何 ASR 学会了不该记住的声音指纹？

这篇论文的输入是一个已经用保留集与遗忘集共同微调过的英语语音识别模型，以及一份要求删除其中 5 个说话人身份痕迹的遗忘请求。目标不是删除某几句话的转写记忆，而是让模型在表示层面不再携带这 5 个人的可分身份信号，同时对所有人的转写质量保持可用。必须保留的信息有 3 类：转写效用要在保留集上不塌，遗忘身份要在成员推断下接近从未见过这些人的金模型，泛化要把遗忘说话人当作普通未见说话人正常转写。

输出是一套可复述的 2 阶段表征干预流程与在 VCTK 上的对照证据。 论文反复强调的矛盾是，自动语音识别按设计应与说话人无关，但现代做法是先用大规模自监督语音编码器做预训练，再在较小领域数据上微调。当微调数据来自临床或低资源等敏感场景时，神经网络会记住超出泛化所需的细节，形成残留声学指纹。这些指纹不直接出现在转写文字里，而是藏在中间层表示中，可被成员推断攻击利用，判断某说话人是否参与过训练。

对初学者而言，可以把转写通路理解为读出发音内容的能力，把身份痕迹理解为顺带记住的嗓音质地，论文要解决的就是只洗掉后者而不损伤前者。

自动语音识别 × 说话人级机器遗忘： 自动语音识别负责把语音声学序列映射为文字内容，目标是与说话人无关；说话人级机器遗忘负责把特定说话人集合 Sf 留下的身份痕迹从已训练模型中去除，使模型行为接近只用保留集 Dr 重训练的金模型。二者搭配的原因是 ASR 的语言泛化要求与隐私合规的身份擦除要求同时存在，组合意义在于遗忘后仍要把遗忘说话人当作普通未见说话人正常转写，而不是拒绝转写。

本文面向刚入门的研究生，写作顺序按学习依赖展开：先讲任务与已有路线为何不够，再给方法全景，然后沿一个样本走完输入到损失，接着交代训练与数据划分，最后按问题组织结果、反证、局限与复现。凡是教学举例都会标为例子，不引入原文之外的数字或效果承诺。

已有路线在比什么：审计风险与擦除身份有何不同？

与本工作同输入的研究多在做隐私风险审计。已有工作报告端到端语音识别与 HuBERT 等自监督编码器在隐表示中保留训练相关信号，并用成员推断显示可分性。这类工作的目标是证明风险存在，输出是攻击成功率或可分性曲线，不负责把身份从已训练模型中拿掉。另一条路线是语音任务上的机器遗忘，例如关键词检测、说话人识别与语音合成中的遗忘，以及大语言模型式语音识别中的样本遗忘或训练时抑制目标说话人转写的做法。

论文指出，后者与通用语音识别的目标不同：通用识别要求遗忘后仍能正常转写该说话人，而不是让其转写变差。 在方法家族上，通用遗忘基线多做参数更新，例如对遗忘集做梯度上升、随机标签、坏教师蒸馏、SCRUB 与基于质心运动的 DUCK 等。表示级方法试图更局部地操纵嵌入，但此前没有在保留转写的前提下演示说话人级擦除。

论文把自己的位置定为第一种在保持转写下做说话人级遗忘的表征干预，并用同一嵌入空间与同一训练设置比较基线，避免因干预位置不同造成不公平。

成员推断攻击 × 金模型： 成员推断攻击是用外部分类器从编码器表征判断样本是否属于训练集，用来度量残留身份可分性；金模型是只用 Dr 训练、从未见过 Df 的对照模型，代表理想遗忘下应有的成员推断行为。二者搭配的原因是只看词错误率无法区分是真遗忘还是转写损坏，组合意义是把遗忘成功判据锚定为向金模型的成员推断行为收敛。

初学者易混淆的点是把词错误率下降当作遗忘成功。论文的对照逻辑是，遗忘集词错误率向金模型靠拢才更可信，单纯更低可能意味着身份仍被记住。成员推断在这里是表示级探针，用逻辑回归测线性可分性，金模型给出理想参考行为。

任务如何形式化：忘掉谁、在哪里评、什么算成功？

论文把原始训练集记为带三元组的集合，每个样本有语音输入、转写文本与说话人标签。按遗忘说话人集合划分出遗忘集与保留集，给定在全集上训练的原始模型，要求更新到接近只用保留集训练的金模型，而不做全量重训练。成功判据有 3 条：效用保持要求在保留集测试上转写映射完整；目标身份擦除要求遗忘集的身份信息被去除以抵抗成员推断，同时保留集身份不受影响。

泛化要求对遗忘与完全未见说话人都保持稳健转写，把遗忘身份当作非成员数据对待。 评测为此做了说话人互斥划分。保留、遗忘与测试的说话人身份严格不重叠，且保留与遗忘各自再按约 9 比 1 切出训练与评测子集。这样设计能区分两种遗忘：擦掉若干训练句子的记忆，还是擦掉说话人身份本身。因为遗忘评测用的是遗忘说话人的未见句子，若模型仍能以高准确率将其判为成员，则说明记住的是身份级结构而非单句。

一个例子是，假设遗忘说话人有 100 句，训练时见过 90 句，评测用剩下 10 句未见句做成员推断。若 10 句仍被判为成员，则问题在身份簇而非单句记忆，这正是论文要驱散簇的原因。该例子只说明评测逻辑，不对应原文具体句数。

方法全景：两阶段如何把身份操作与转写通路分开？

论文的方法全景分为表示学习与遗忘执行两个阶段。第一阶段冻结已做语音识别微调的 HuBERT 编码器，只训练挂在第 6 层的辅助说话人头，用交叉熵学出说话人嵌入空间，同时用 K-Means 在遗忘集嵌入上估计每个说话人分布的几何质心。第二阶段解冻编码器，用保留集上的联结时序分类损失维持转写，用嵌入空间上的遗忘损失推散遗忘簇并稳定保留簇。总体目标写作保留集转写损失加权遗忘损失，遗忘损失又分为遗忘集项与保留集项，实验中权重均取 1。

沿一个样本走一遍有助于建立因果链。取遗忘说话人的一句未见语音，输入进入 HuBERT 编码器逐层变换，到第 6 层隐状态分出两路：一路继续向上传到顶层做联结时序分类解码，另一路进入辅助说话人头得到嵌入。该嵌入与第一阶段估计的本说话人质心计算余弦距离，经间隔与温度缩放后送入 softplus 形成驱散损失。优化时该损失产生梯度回传到编码器，推动该样本嵌入远离质心，而保留集样本的转写损失梯度同时维持语言映射。

最终输出仍是文字转写，但中间表示中该说话人的簇结构被打散。 下图是理解该分工的关键，左侧为冻结编码器学表示与质心，右侧为解冻后双损失协同，读者应先看主干再看分支汇合。

看图路径： 1. 先从左侧语音波形箭头进入编码器，确认 Layer n-1 到 Layer n+1 的主干与右侧解码路径；2. 再看左侧 Speaker Head 与 K-Means Clustering 两个分支分别输出交叉熵与质心 cs；3. 最后看右侧解冻编码器后 CTC Head 只连保留集损失而 Speaker Head 连遗忘损失；4. 对照下方 SAID 小框中蓝色簇被箭头推散而黄色簇保持紧致的几何含义

论文图 1。原论文 Figure 1：“Overall framework of the proposed speaker-level ASR unlearning.”。

从像素可见，左图蓝色框为冻结的微调编码器，语音从左侧进入，经过 Layer n-1、Layer n 与 Layer n+1，Layer n 引出两条线分别到黄色说话人头与下方三簇散点框，后者输出质心。右图红色框为解冻编码器，顶层经蓝色联结时序分类头接保留集损失，第 n 层经黄色说话人头接遗忘损失，下方散点框中蓝色簇出现向外箭头表示驱散而黄色簇保持聚集。这种画法把身份干预限定在中间嵌入，把转写维持留在顶层解码器，正是减少语言损伤的结构原因。

组件与计算：头挂在哪一层、质心怎么来、损失推什么？

辅助说话人头的挂载位置不是随意选择的。论文依据已有观察，认为说话人信息多出现在自监督语音编码器的早到中间层，因此选第 6 层隐状态作为可控表示。实现上先冻结编码器训练该头 15 个周期，学习率为 3 乘 10 的负 4 次方，数据为保留与遗忘训练集的合集，编码器本身不动以保护预训练表示空间。这一步只学出能刻画身份结构的嵌入，不改动识别解码用的语言表示。遗忘阶段保持该配置对所有方法一致，使比较发生在统一表示空间。

质心估计有意使用 K-Means 而非直接用说话人标签均值。尽管标签可用，但论文要捕捉隐空间中实际的紧致簇几何，用聚类找到每个遗忘分布的中心作为后续定向移除的参考点。直观上说话人身份在表示空间表现为紧簇，簇中心概括了身份特异结构。第二阶段对属于说话人的遗忘 utterance，计算当前嵌入与对应质心的余弦相似度，减去间隔后除以温度，再经 softplus 得到损失。最小化该目标会逐步排斥遗忘嵌入与身份锚点，打散簇而保留更宽的语言表示。

原文给出间隔取 0，遗忘阶段学习率为 1 乘 10 的负 5 次方，训练 25 个周期，优化器为 AdamW 且权重衰减为 0.1。

辅助说话人头 × 联结时序分类解码器： 辅助说话人头接在第 6 编码器层隐状态上，负责学出可控的说话人嵌入空间 z 以承载身份结构；联结时序分类解码器接在最顶层，负责保留语言到文字的映射。二者分工是身份操作与转写通路分离，搭配理由是避免直接改顶层语言表征，组合意义是遗忘损失只作用于 z 而转写损失只在 Dr 上维持，从而减少对语言能力的干扰。

K-Means 质心 × 说话人感知身份驱散： K-Means 质心 cs 负责在第一阶段概括遗忘说话人在嵌入空间中的紧致簇几何锚点；说话人感知身份驱散 SAID 负责在第二阶段用余弦距离加 softplus 把遗忘样本嵌入推离各自质心。二者搭配的原因是先有锚点才能定向驱散，组合意义是把无结构的遗忘变成针对簇结构的几何擦除，同时用保留集项稳定非目标簇。

需要指出的缺项是，原文未报告温度系数的具体数值与说话人头的网络宽度，也不给出 K-Means 簇数选择与初始化细节。梯度路径上可以确认驱散损失作用于说话人嵌入并回传到解冻编码器，转写损失只在保留集上计算，遗忘集不参与转写优化而是依靠模型泛化转写。未报告处不做推定，复现时应先固定这些超参数再对照成员推断曲线的开口变化。

训练与构造如何执行：冻结、解冻与监督各在何时？

训练流程按 3 段组织，每段的冻结与监督都不同。第一段是参考识别模型准备，用联结时序分类损失微调 HuBERT 基础编码器，得到在全集上训练的原始模型与只在保留训练集上训练的金模型，分别模拟待遗忘起点与理想重训练终点。第二段是说话人表示学习，冻结编码器，只用交叉熵训练第 6 层上的说话人头，数据为保留与遗忘训练集合集，目的是得到身份嵌入与质心而不扰动语言表示。

第 3 段是遗忘执行，解冻编码器，所有方法用同样学习率与同样嵌入位置优化，目标为保留集转写损失加遗忘损失，遗忘集不计入转写损失。 监督来源因此是分离的：转写监督只来自保留集的语音文本对，身份监督在第二段来自说话人分类标签与聚类几何，在第 3 段来自驱散与稳定两项。重置时机上没有参数重置或结构剪枝，只有阶段间冻结切换：第二段冻结编码器，第 3 段解冻编码器并继续更新。

论文未说明是否对说话人头参数在第 3 段重置，也未说明是否对编码器不同层用不同学习率，复现时应保持头与编码器同时可更新的默认理解，并在记录中注明该不确定性。 计算上该流程的额外成本主要在第二段的 15 周期分类头训练与第 3 段的 25 周期双损失微调，外加 1 次 K-Means 质心估计。原文未报告具体硬件型号与耗时，因此不能承诺延迟或成本改善，只能说方法避免了全量重训练。

若要在新数据上复用，关键是先复现原始与金模型的词错误率基线，再接入同一说话人头做公平比较。

实验条件：数据、划分、基线与指标方向是什么？

数据用 VCTK 多说话人英语朗读语料的 mic2 录音，排除有技术问题的两个说话人后共 108 人，全部重采样到 16 千赫兹。为模拟向新域微调后的遗忘场景，说话人被随机分为保留 95 人、遗忘 5 人与测试 8 人，并保持性别与口音均衡。保留与遗忘各自再按 9 比 1 分为训练与评测子集，说话人身份在训练与评测间严格不重叠。实现细节上说话人头挂第 6 层，遗忘阶段间隔为 0，统一用低学习率微调 25 周期。

比较对象包括原始模型、金模型与 6 类可运行基线：继续微调、梯度上升、随机标签、坏教师、SCRUB 与 DUCK，所有遗忘目标都作用于同一说话人嵌入。指标分 3 组：保留测试上的词错误率越低越好，用于效用保持；遗忘测试与未见测试上的词错误率以接近金模型为好，用于泛化而非越低越好；表示级成员推断在遗忘集上以接近金模型为好、在保留集上以保持可分为好，方向是向金模型收敛而非极端压低。

成员推断实现为在编码器池化表示上训练的逻辑回归探针，输出成员概率，测的是线性可分残留。

保留集 × 遗忘集： 保留集 Dr 是 95 个说话人的数据，负责在遗忘阶段提供联结时序分类损失以维持效用；遗忘集 Df 是 5 个说话人的数据，负责提供驱散损失的目标并在评测时被当作未见说话人。二者搭配的原因是标准遗忘划分要求同时考核不伤保留与真忘目标，组合意义是所有基线与 SAID 在同一划分和同一嵌入上比较，避免把样本记忆与说话人身份混为一谈。

下表整理数据划分与关键训练配置，阅读时注意说话人数与比例是划分口径，层号与周期是实现口径，二者不能混算。

表后需要强调的是，该表只交代可比性条件，不证明遗忘效果。真正的遗忘判断要看下节主结果中遗忘集成员推断是否向金模型收敛，以及保留集转写是否未被连带损伤。若划分不均衡或口音分布偏移，成员推断基线会漂移，因此复现时应先核对 108、95、5、8 与 9 比 1 是否落实，再谈方法差异。

主结果回答什么：谁既洗掉身份又保住转写？

主结果要回答的核心问题是，在同一表示空间与同一训练预算下，哪种策略能同时满足遗忘集身份擦除与保留集转写保持。公平条件是所有方法共享编码器起点、说话人头位置与优化设置，指标方向是遗忘集成员推断向金模型看齐、保留集词错误率保持低位、遗忘与未见集词错误率向金模型靠拢。论文报告 SAID 在遗忘测试上成员推断为 52.6%，与金模型的 52.7% 几乎一致，而原始模型为 60.1%，说明未见句的身份可分性被基本消除。

转写上 SAID 保留集为 7.60%，遗忘集为 9.55%，未见集为 7.30%，相对原始模型的 7.75%、8.90%、7.69% 与金模型的 7.43%、11.05%、7.06%，呈现遗忘集向金模型抬升而保留与未见集保持稳健的形态。 下图先给出层级证据，横轴为层号，纵轴为在遗忘测试上的成员推断准确率，三线分别为原始、金与 SAID，读者应重点看第 6 层开口与深层收敛。

看图路径： 1. 先确认横轴为 Layer 从 0 到 12、纵轴为成员推断准确率，三条曲线图例为 Morig、Mgold 与 MSAID；2. 再比较第 6 层处紫色 Morig 高位与红色 Mgold 低位的开口大小；3. 最后跟踪黄色 MSAID 在浅层更低、在第 6 层贴近 Mgold、在深层三线收敛的走向

论文图 2。原论文 Figure 2：“Membership inference accuracy evaluated on Df,test for Morig and Mgold across different HuBERT layers.”。

从像素可见，浅层 0 到 4 层三线均在 0.8 以上高位，说明早期声学变异本身就可分；到第 6 层紫色原始线仍在约 0.74 高位而红色金线跌到约 0.52 附近，形成显著开口，黄色 SAID 线回落到约 0.56 贴近金线；到第 8 层后三线快速下行并在 10 到 12 层收敛到 0.4 到 0.5 区间。这种走向支持论文的层选择：身份记忆的起点在中间层，深层转向语言内容后自然不可分，干预应打在开口出现的第 6 层。SAID 在浅层甚至略低于金线，表明其主动扰动了早期身份信号，而非仅在目标层做局部掩盖。

下表聚焦可运行策略的数字对照，阅读时把词错误率与成员推断分开看，前者看转写代价，后者看隐私收益。

表后解释主要收益与代价：SAID 的收益是遗忘集成员推断基本复刻金模型，且未见集转写优于原始模型，说明遗忘后仍把遗忘人当普通未见人处理。

代价是保留集词错误率略高于金模型且保留集成员推断为 74.8% 高于金模型的 69.8%，说明稳定项并未完全消除保留身份的线性可分上浮。未胜出项提供反例：梯度上升把遗忘集词错误率推到 21.77% 但成员推断仍 59.8%，属于以损坏转写换取表面遗忘；SCRUB 转写更低但遗忘集成员推断高达 68.1%，说明转写好不等于身份已擦除。这组反差正是论文用双指标而非单指标评判的原因。

层选择与早期扰动能否证伪：换层或去掉质心会怎样？

论文没有给出去掉质心或只用保留稳定项的完整消融表，但层级曲线本身构成一种定位反证。若干预打在深层语言区，则第 6 层开口应依然存在；若只在顶层改解码器，则浅层与第 6 层的线性可分不应下降。实际观察是 SAID 在第 2 层已低于原始与金线，在第 4 到 6 层明显收窄开口，说明扰动从早期就开始并在目标层见效，符合表示级驱散沿编码器回传的预期。深层三线收敛则说明一旦身份在中间层被打散，深层不会重新生成身份信号。

另一个可复述的对照是保留身份保持。论文在保留测试上也评成员推断，要求与金模型相当以证明擦除是定向的。SAID 保留集为 74.8% 而金为 69.8%，虽高于理想但仍远离随机，且保留集转写保持在 7.60%，说明损伤有限。若未来补做消融，应优先比较去掉保留稳定项、质心改用标签均值、间隔非零三种变体，并报告第 6 层开口与保留集转写的联合变化。原文未报告这些变体，因此不能断言哪部分贡献最大，只能说当前证据支持定位与驱散的组合有效。

对初学者而言，复现时不要把深层收敛误读为所有层都已遗忘。深层收敛更多反映语言特化后的不可分，真正的遗忘证据是第 6 层从高可分回到金模型附近，以及遗忘未见句的成员推断同步回落。

边界在哪里：哪些风险与代价尚未被测量？

首先是攻击面有限。成员推断只用逻辑回归线性探针测池化表示的可分性，报告显示 SAID 接近金模型，但这只支持线性可分残留被去除，不能推广到非线性或自适应攻击下的安全性。原文也只评表示级探针，未报告基于解码置信或扰动损失特征的攻击，因此不能声称已防御所有成员推断。其次是数据与规模边界。证据仅来自 VCTK 的 108 人划分与 5 人遗忘，性别口音虽均衡但仍是朗读英语，不能直接推广到自发语音、噪声临床音频或更大遗忘比例。

其次是效用口径较窄。转写只用词错误率在保留、遗忘与未见集上报告，未测量误判率分布、延迟、推理开销与训练成本。SAID 需要额外分类头训练、聚类与 25 周期微调，原文未给硬件与耗时，不能承诺总体成本低于重训练，只能说避免了从零重训练。保留集成员推断上浮到 74.8% 也提示稳定项并非完美，若应用方更看重保留集隐私，该上浮需进一步诊断。 最后是超参数与实现缺项。

温度系数、说话人头结构、K-Means 初始化与簇数、不同层的敏感性统计显著性均未完整报告。资源状态方面，本次未发现来源绑定且完成验证的开源代码、模型或数据，不得声称代码已公开。以上缺失不是技术错误，但在复现与选型时必须当作待验证项处理。

复现先做什么：基线、挂载与核对顺序是什么？

复现的第一步是重建可比起点。按原文准备 VCTK mic2、排除问题说话人、重采样 16 千赫兹，并落实 95、5、8 的说话人划分与各自 9 比 1 的训练评测切分。先微调得到原始模型与金模型，核对保留、遗忘与未见集上的词错误率量级，再挂第 6 层说话人头并冻结编码器训练 15 周期，学习率取 3 乘 10 的负 4 次方。此时应能复现浅层高可分与第 6 层原始金开口，为后续遗忘提供锚点。 第二步是执行遗忘。

冻结配置保持一致，解冻编码器后用保留集转写损失加遗忘损失训练 25 周期，学习率取 1 乘 10 的负 5 次方，AdamW 权重衰减 0.1，间隔取 0。所有基线必须作用于同一说话人嵌入，避免因干预位置不同造成虚假优劣。核对顺序是先看第 6 层成员推断是否从约 0.74 回到约 0.52 附近，再看遗忘集成员推断是否回到约 52.6% 附近，最后看保留与未见集转写是否保持而非一味压低。 第三步是补齐论文未报告项。记录温度、头结构、聚类种子与簇数，保存质心与嵌入快照以便可视化簇驱散过程。

若要扩展验证，建议增加非线性探针、不同遗忘人数与跨域数据，并统计多次划分下的方差。教学例子是，先固定随机种子跑通单次全流程，再做 3 次划分取均值，该例子只说明流程稳健性做法，不提供原文之外的效果数值。

何时值得尝试：该方法的适用条件与收束判断是什么？

当任务同时要求删除特定说话人身份痕迹与保留通用转写能力，且能接受遗忘集转写向未见人水平回归时，该表征驱散思路值得尝试。其适用条件是编码器中间层确实出现原始与金模型的成员推断开口，且有说话人标签可用于学嵌入与估计质心。若开口出现在其他层，应把干预点移到开口处而非固守第 6 层；若数据高度噪声化或口音高度不均衡，应先核对开口是否仍由训练记忆而非固有声学差异驱动。

收束判断应坚持双指标：遗忘集成员推断向金模型收敛为隐私判据，保留与未见集词错误率保持可用为效用判据，二者缺一不可。论文的最强证据是遗忘未见句成员推断从 60.1% 回到 52.6% 且第 6 层开口被抹平，主要代价是保留集转写与保留集成员推断略高于理想。对刚入门的研究者，记住一句话即可复述方法：冻结时学身份嵌入并找簇中心，解冻后用保留转写保语言、用远离簇中心忘身份。

后续验证应补非线性攻击、大规模遗忘与跨域泛化，才能从单点有效走向可部署的隐私保护识别。

⚖️ 评分明细

评分属于系统判断，不是论文实验结果；八维数值与总分见页首，原始审计记录保留在后端。

• 评分规则：type-aware-v1
• 评分模型：muse-spark-1.3-contributor
• 评分请求协议：openai_responses

← 返回 interspeech-2026 论文汇总