特权 - 利用听力频率进行隐私保留

声音呈现一个宝贵的信号源，使得计算系统能够执行日常活动识别。然而，麦克风针对人类语音和听力范围进行了优化：捕获私有内容，例如语音，同时省略有用，听不清信息可以帮助声学识别任务。我们模拟了使用127日常家庭/工作场所对象的声音的声学识别任务，发现听不清频率可以作为隐私敏感频率的替代品。为了利用这些听不及的频率，我们设计了一种基于Raspberry PI的设备，可以使用可以完全清除语音或所有可听频率的设置捕获听不清声频率。我们进行了一种感知研究，参与者在私有化的过滤的音频上“窃听”，发现我们的参与者都不能转录语音。最后，Privacymic的现实活动识别性能与我们的模拟结果相当，在所有环境中具有超过95％的分类准确性，表明在执行隐私保留日常活动识别时立即可行性。

＆＃34; Privacymic：利用不清情的隐私频率保留日常活动识别＆＃34 ;; Yasha Iravantchi，Karan Ahuja，Mayank Goel，Chris Harrison和Alanson Sample; 2021年的人类因素会议的诉讼程序，在计算系统中的人为因素（Chi＆＃39; 21），5月10-14,2021

Alanson Sample（Michigan大学，计算机科学与工程）Yasha Iravantchi（密歇根大学计算机科学与工程）Karan Ahuja（Carnegie Mellon Universitute）Mayank Goel（Carnegie Mellon University，人机互动学院）克里斯哈里森（卡内基梅隆大学，人机互动研究所）