-
题名虚假信息检测中Bayes模型应用:技术与研究进展
被引量：7
- 1
-
-
作者
李少臣
李晓军
姚俊萍
肖栩豪
马可欣
-
机构
火箭军工程大学
中国人民解放军
-
出处
《中国电子科学研究院学报》
北大核心
2020年第10期928-935,共8页
-
文摘
为了总结分析Bayes模型在虚假信息检测中的应用研究现状及发展趋势,本文综述了虚假信息检测中的Bayes模型应用研究。运用系统性综述研究方法,在确定虚假信息定义及主要类型基础上,依据信息特征将虚假信息检测分为虚假信息发布者、内容及场景模型等3类,分别阐述了Bayes模型在上述模型中应用的关键技术原理及主要方式,并结合虚假图像、视频类信息检测问题,提出了Bayes模型应用于虚假信息检测中存在的关键技术挑战、可能的研究机会与技术思路。本文结果与结论为虚假信息检测技术相关研究提供了借鉴和参考。
-
关键词
虚假信息检测
Bayes模型
关键技术
研究进展
-
Keywords
disinformation detection
Bayesian model
key technologies
research progress
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于数据增强的多模态虚假信息检测框架研究
- 2
-
-
作者
刘宇栋
黄千里
王恒
范洁
-
机构
北京电子科技学院网络空间安全系
-
出处
《信息安全研究》
2025年第4期377-384,共8页
-
文摘
随着多媒体技术的发展,传播者倾向于制造具有多模态内容的虚假信息,以吸引新闻读者的注意力.然而,基于少量标注的多模态数据提取特征,并对多模态数据中的隐含线索进行有效融合以生成虚假信息的向量表示具有一定挑战性.为了解决该问题,提出了一种基于数据增强的多模态虚假信息检测框架(data-enhanced multi-modal false information detection framework,DEMF).DEMF充分利用预训练模型训练优势以及数据增强技术以减少对标注数据的依赖;并使用多层次的模态特征提取与融合技术,同时捕捉细粒度的元素级关系和粗粒度的模态级关系,以充分提取多模态线索.在真实数据集上的实验表明,DEMF明显优于先进的基线模型.
-
关键词
虚假信息检测
多模态
深度学习
数据增强
预训练
-
Keywords
false information detection
multi-modal
deep learning
data augmentation
pre-trained
-
分类号
TP387
[自动化与计算机技术]
-
-
题名基于弱分类器集成的车联网虚假交通信息检测
被引量：4
- 3
-
-
作者
刘湘雯
石亚丽
冯霞
-
机构
江苏大学计算机科学与通信工程学院
安徽大学信息保障技术协同创新中心
-
出处
《通信学报》
EI
CSCD
北大核心
2016年第8期58-66,共9页
-
基金
国家自然科学基金资助项目(No.61472001)
江苏省自然科学基金资助项目(No.BK2011464)
+1 种基金
江苏省青蓝工程基金资助项目
镇江市工业支撑基金资助项目(No.GY2013030)~~
-
文摘
车联网中车辆以自组织的方式相互报告交通信息,开放的网络环境需要甄别消息,然而,要快速移动的车辆在短时间内检测出大量的交通警报信息是非常困难的。针对这一问题,提出一种基于弱分类器集成的虚假交通信息检测方法。首先,扩充交通警报信息的有效特征,并设计分割规则,将信息的特征集划分为多个特征子集;然后,根据子集特征的不同特性,使用对应的弱分类器分别进行处理。仿真实验和性能分析表明,选用弱分类器集成方法检测车联网中的虚假交通信息减少了检测时间,且由于综合特征的应用,检测率优于仅使用部分特征的检测结果。
-
关键词
车联网
虚假信息检测
弱分类器集成
BP神经网络
-
Keywords
VANET, false information detection, weak classifiers integration, BP neural network
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-
-
题名基于多模态深度融合的假消息检测
- 4
-
-
作者
景全亮
范鑫鑫
王保利
毕经平
谭海宁
-
机构
中国科学院计算技术研究所
中国科学院大学
-
出处
《高技术通讯》
CAS
2022年第4期392-403,共12页
-
基金
国家重点研发计划(2017YFC0820700)
国家自然科学基金(61472403,62002343)资助项目。
-
文摘
智能检测虚假信息是社交网络中需要解决的重要任务之一。本文旨在识别同时包含图像和文字的多模态虚假消息。目前,针对多模态的虚假消息检测已有一些成果,但现有模型通过直接拼接各模态特征方式实现多模态利用,忽略了图像和文件之间的关系,无法有效地学习消息中文字和图像的深度融合表示,导致该种类型的虚假消息检测方法表现不佳。本文提出基于预训练模型的多模态融合假消息检测方法,充分利用社交媒体中大量的含有多模态数据的消息,实现对假消息的有效检测,通过不同的训练任务加强模型融合多模态信息的能力,最终学习一个多模态信息的表示辅助假消息识别。在新浪微博真实数据集上的实验结果表明,本文提出的基于预训练的检测模型取得了比当前主流方法更优的效果,同时,本文采用的模型能够缓解训练集和测试集分布不均衡导致的检测准确率下降问题。
-
关键词
虚假信息检测
预训练
多模态融合
社交网络
-
Keywords
fake news detection
pre-training
multi-modal fusion
social media
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
TP391.1
[自动化与计算机技术—计算机应用技术]
-
