本申请涉及金融科技技术领域，提供了一种基于变分量子电路的语音隐私推断方法、装置、电子设备及计算机可读存储介质，方法包括：获取语音信号；对语音信号进行预处理得到语音数据；基于第一变分量子电路模型对语音数据进行量子计算处理，得到语音频谱信息，其中，第一变分量子电路模型由预设的第二变分量子电路模型经过稀疏化训练处理而得到；基于预训练的云端网络模型对语音频谱信息进行识别处理，得到语音识别信息，其中，语音识别信息包括语义信息；对语义信息进行推断处理得到语音推断结果。通过上述技术方案可以减少语音推断的计算时间，提高金融行业语音推断的效率。提高金融行业语音推断的效率。提高金融行业语音推断的效率。
【技术实现步骤摘要】
基于变分量子电路的语音隐私推断方法、装置及存储介质
[0001]本申请实施例涉及但不限于金融科技
，尤其涉及一种基于变分量子电路的语音隐私推断方法、装置、电子设备及计算机可读存储介质。
技术介绍
[0002]随着社会经济的不断发展，科技的不断进步，人们的生活水平也在不断地提升，人们也越来越关注个人隐私的保护；隐私计算是指在保护数据本身不对外泄露的前提下实现数据分析计算的技术集合，达到对数据“可用”但“不可见”的目的；在金融行业中，在充分保护数据和隐私安全的前提下，需要实现数据价值的转化和释放。但是目前的金融行业语音隐私推断方法的计算量大并且比较费时，导致金融行业语音推断的效率较低。
技术实现思路
[0003]以下是对本文详细描述的主题的概述。本概述并非是为了限制权利要求的保护范围。
[0004]为了解决上述
技术介绍
中提到的问题，本申请实施例提供了一种基于变分量子电路的语音隐私推断方法、装置、电子设备及计算机可读存储介质，可以减少语音推断的计算时间，提高金融行业语音推断的效率。
[0005]第一方面，本申请实施例提供了一种基于变分量子电路的语音隐私推断方法，所述方法包括：
[0006]获取语音信号；
[0007]对所述语音信号进行预处理得到语音数据；
[0008]基于第一变分量子电路模型对所述语音数据进行量子计算处理，得到语音频谱信息，其中，所述第一变分量子电路模型由预设的第二变分量子电路模型经过稀疏化训练处理而得到；
[0009]基于预训练的云端网络模型对所述语音频谱信息进行识别处理，得到语音识别信息，其中，所述语音识别信息包括语义信息；
[0010]对所述语义信息进行推断处理得到语音推断结果。
[0011]根据本申请的一些实施例，所述第二变分量子电路模型包括损失确定模块、量子计算模块和优化模块，所述量子计算模块包括多个门电路，所述第一变分量子电路模型可以通过以下方式得到：
[0012]获取初始训练参数；
[0013]将所述初始训练参数输入至所述损失确定模块进行计算处理得到问题损失值；
[0014]基于预设的选定概率对所述量子计算模块中的多个所述门电路进行选定处理，并且基于选定后的所述门电路对所述问题损失值进行能量预测处理得到能量期望值；
[0015]基于所述优化模块对所述初始训练参数进行更新以对所述量子计算模块进行训练处理，直至所述能量期望值处于预设的阈值范围内。
[0016]根据本申请的一些实施例，所述云端网络模型包括卷积层、池化层、全连接层，所述云端网络模型的训练过程如下：
[0017]获取语音训练频谱集，所述语音训练频谱集包括多个语音训练样本以及与每个所述语音训练样本对应的目标语音输出值；
[0018]将所述语音训练样本输入至所述卷积层进行特征提取得到语音特征信息；
[0019]将所述语音特征信息输入至所述池化层进行池化操作得到语音采样信息；
[0020]将所述语音采样信息输入至所述全连接层进行识别分类处理得到训练语音输出值；
[0021]基于所述目标语音输出值和所述训练语音输出值得到误差值；
[0022]基于所述误差值对所述卷积层、所述池化层和所述全连接层三者的网络参数进行调整处理。
[0023]根据本申请的一些实施例，所述对所述语音信号进行预处理得到语音数据，包括：
[0024]对所述语音信号进行预加重处理得到第一语音信号；
[0025]对所述第一语音信号进行数字滤波处理得到第二语音信号；
[0026]对所述第二语音信号进行加窗分帧处理得到所述语音数据。
[0027]根据本申请的一些实施例，所述对所述语义信息进行推断处理得到语音推断结果，包括：
[0028]对所述语义信息进行关键词识别处理得到关键词信息；
[0029]对所述关键词信息进行分析得到所述语音推断结果。
[0030]根据本申请的一些实施例，所述基于第一变分量子电路模型对所述语音数据进行量子处理，得到语音频谱信息，包括：
[0031]通过所述第一变分量子电路模型根据量子计算算法对所述语音数据进行量子计算处理，得到所述语音频谱信息；
[0032]其中，量子计算算法表示如下：
[0033][0034]其中，
[0035][0036][0037][0038][0039][0040]R表示旋转门，表示CNOT门操作，M表示测量操作，U
i
(θ)为U(θ1,
…
,θ
m
)，m是3，x表示所述语音数据，p表示预设概率，f(x；θ)表示所述语音频谱信息，θ表示门电路调节参数。
[0041]根据本申请的一些实施例，所述基于所述误差值对所述卷积层、所述池化层和所述全连接层三者的网络参数进行调整处理，包括：
[0042]根据所述误差值对所述全连接层进行第一网络参数修正处理；
[0043]根据所述误差值对所述池化层进行第二网络参数修正处理；
[0044]根据所述误差值对所述卷积层进行第三网络参数修正处理。
[0045]第二方面，本申请实施例还提供了一种基于变分量子电路的语音隐私推断装置，所述装置包括：
[0046]第一处理模块，用于获取语音信号；
[0047]第二处理模块，用于对所述语音信号进行预处理得到语音数据；
[0048]第三处理模块，用于基于第一变分量子电路模型对所述语音数据进行量子计算处理，得到语音频谱信息，其中，所述第一变分量子电路模型由预设的第二变分量子电路模型经过稀疏化训练处理而得到；
[0049]第四处理模块，用于基于预训练的云端网络模型对所述语音频谱信息进行识别处理，得到语音识别信息，其中，所述语音识别信息包括语义信息；
[0050]第五处理模块，用于对所述语义信息进行推断处理得到语音推断结果。
[0051]第三方面，本申请实施例还提供了一种电子设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上第一方面所述的基于变分量子电路的语音隐私推断方法。
[0052]第四方面，本申请实施例还提供了一种计算机可读存储介质，存储有计算机可执行指令，所述计算机可执行指令用于执行如上第一方面所述的基于变分量子电路的语音隐私推断方法。
[0053]根据本申请提供的实施例的基于变分量子电路的语音隐私推断方法，至少具有如下有益效果：首先获取语音信号；接着对语音信号进行预处理得到语音数据；接着基于第一变分量子电路模型对语音数据进行量子计算处理，得到语音频谱信息，其中，第一变分量子电路模型由预设的第二变分量子电路模型经过稀疏化训练处理而得到；接着基于预训练的云端网络模型对语音频谱信息进行识别处理，从而得到语音识别信息，其中，语音识别信息包括语义信息；最后对语义信息进行推断处理得到语音推断结果。通过上述技术方案，提高数据的加密性本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于变分量子电路的语音隐私推断方法，其特征在于，所述方法包括：获取语音信号；对所述语音信号进行预处理得到语音数据；基于第一变分量子电路模型对所述语音数据进行量子计算处理，得到语音频谱信息，其中，所述第一变分量子电路模型由预设的第二变分量子电路模型经过稀疏化训练处理而得到；基于预训练的云端网络模型对所述语音频谱信息进行识别处理，得到语音识别信息，其中，所述语音识别信息包括语义信息；对所述语义信息进行推断处理得到语音推断结果。2.根据权利要求1所述的基于变分量子电路的语音隐私推断方法，其特征在于，所述第二变分量子电路模型包括损失确定模块、量子计算模块和优化模块，所述量子计算模块包括多个门电路，所述第一变分量子电路模型可以通过以下方式得到：获取初始训练参数；将所述初始训练参数输入至所述损失确定模块进行计算处理得到问题损失值；基于预设的选定概率对所述量子计算模块中的多个所述门电路进行选定处理，并且基于选定后的所述门电路对所述问题损失值进行能量预测处理得到能量期望值；基于所述优化模块对所述初始训练参数进行更新以对所述量子计算模块进行训练处理，直至所述能量期望值处于预设的阈值范围内。3.根据权利要求1所述的基于变分量子电路的语音隐私推断方法，其特征在于，所述云端网络模型包括卷积层、池化层、全连接层，所述云端网络模型的训练过程如下：获取语音训练频谱集，所述语音训练频谱集包括多个语音训练样本以及与每个所述语音训练样本对应的目标语音输出值；将所述语音训练样本输入至所述卷积层进行特征提取得到语音特征信息；将所述语音特征信息输入至所述池化层进行池化操作得到语音采样信息；将所述语音采样信息输入至所述全连接层进行识别分类处理得到训练语音输出值；基于所述目标语音输出值和所述训练语音输出值得到误差值；基于所述误差值对所述卷积层、所述池化层和所述全连接层三者的网络参数进行调整处理。4.根据权利要求1所述的基于变分量子电路的语音隐私推断方法，其特征在于，所述对所述语音信号进行预处理得到语音数据，包括：对所述语音信号进行预加重处理得到第一语音信号；对所述第一语音信号进行数字滤波处理得到第二语音信号；对所述第二语音信号进行加窗分帧处理得到所述语音数据。5.根据权利要求1所述的基于变分量子电路的语音隐私推断方法，其特征在于，所述对所述语义信息进行...
【专利技术属性】
技术研发人员：洪振厚，王健宗，瞿晓阳，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。