随着移动互联网的普及和高速发展,媒体服务模式的不断创新,广大用户在方便快捷的获取各式各样优质内容的同时,也带来了严重的盗版问题。为切实解决移动互联网时代的盗版问题,鼓励优质内容创作者,有效打击盗版产业各个环节,保护产业链各方的权益,政府、学术界、产业圈等都做了大量的努力。国家版权局联合国家互联网信息办公室、工业和信息化部、公安部于2017年实施“剑网行动”,多家行业机构建立了网络版权监测平台。学术界还提出了数字水印、区块链存证、DCI、DRM等技术,在深度学习的基础上实现了互联网盗版的搜索和追踪,有效净化了网络空间,有效保护了知识产权。数字版权保护的理想目标是彻底杜绝盗版,但由于技术的限制,音频内容的版权侵权并未得到有效保护。主要原因是取证困难、人工成本高。为了解决以上问题,本文提出了基于NLP的数字语音数据版权追溯原型系统。该系统包括数据采集模块、语音识别模块、数据预处理模块、语义相似度计算模块、结果区块链存证模块。在语义相似度计算模块中,本文还提出了一种基于CNN和Bi-LSTM的短文本语义相似度计算模型。该模型分为编码器层和交互层。编码器通过LSTM+CNN生成句子向量。交互层将矢量和矩阵进行比较,然后对结果进行拼接以减小维数,最后通过MLP输出。该模型采用二元交叉熵作为损失函数。此外,在区块链存证模块中所采用的共识机制借鉴了传统的PoW共识机制,设计了更加便捷实用的共识算法,达成共识后就可以验证区块头的加密信息,从而进一步保证块内存证数据的完整性和真实性。实验结果表明,本文提出的语义相似度计算模型在原型系统中的表现均优于传统的相似度计算方法,预测准确率以及f-score值均有所提升。