InfoShield: 정보 이론 기반 최적화를 통한 정신 건강 선별을 위한 개인 정보 보호 음성 표현

InfoShield: Privacy-Preserving Speech Representations for Mental Health Screening via Information-Theoretic Optimization

음성을 이용한 정신 건강 선별은 우울증 감지에 효과적인 방법을 제공하지만, 인구 통계 정보 노출에 대한 사용자 프라이버시 문제는 실제 임상 적용의 주요 장애물입니다. 기존 기술들은 이러한 문제 해결에 어려움을 겪고 있습니다. 적대적 학습은 종종 예측하지 못한 위협에 취약하며, 차등 개인 정보 보호는 모든 특징에 노이즈를 추가하여 진단 성능을 저하시키는 경향이 있습니다. 본 논문에서는 InfoShield를 제안합니다. InfoShield는 음성 표현과 민감한 속성 간의 상호 정보를 최소화하면서 우울증 분류 정확도를 유지합니다. 표준 MINE 추정기가 시계열 데이터인 음성 정보 처리 과정에서 발생하는 시간적 불일치로 인해 어려움을 겪는다는 것을 확인하고, 오디오 프레임을 속성 임베딩과 정렬하기 위해 교차 모드 어텐션을 사용하는 TimeAwareMINE을 도입했습니다. Androids Corpus에 대한 실험 결과, InfoShield는 성별 추론 정확도를 92.6%에서 55.5%로, 나이 추론 정확도를 55.7%에서 30.3%로 감소시켰으며, 성능 저하(F1 점수 6% 감소)가 제한적이었습니다. InfoShield의 F1 점수는 0.784로, 기존 최고 수준 기술인 0.723보다 우수했습니다.

Speech-based mental health screening offers scalable depression detection, yet clinical deployment faces a significant barrier: users' privacy concerns about demographic information exposure. Current techniques struggle to resolve this conflict. Adversarial training often fails against unseen threats, whereas Differential Privacy tends to compromise diagnostic performance by injecting noise across all features. This paper presents InfoShield, which minimizes mutual information between speech representations and sensitive attributes while preserving depression classification accuracy. We identify that standard MINE estimators struggle with sequential speech due to temporal-static misalignment, and introduce TimeAwareMINE with cross-modal attention to align acoustic frames with attribute embeddings. Experiments on the Androids Corpus show InfoShield reduces gender inference from 92.6\% to 55.5\% and age inference from 55.7\% to 30.3\% with limited utility loss (6\% F1 reduction), achieving F1=0.784 compared to prior SOTA's 0.723.