虚假信息智能检测

        网络社交媒体的快速发展,为人们获取和共享信息提供便利,同时也为虚假信息产生与快速传播提供了渠道。尤其是面对突发事件,例如新冠疫情、俄乌战争等,短时间内社交网络信息生态系统变的异常嘈杂,虚假信息充斥着整个网络,使人们真假难辨,从中识别真实信息成为一项艰巨的任务。因此,迫切需要利用深度学习的技术自动检测虚假信息,阻止其传播。本项目的研究工作如下:

动态加权多模态融合虚假信息检测方法

动态加权多模态融合网络

        1. 一种基于动态加权多模态融合的虚假信息检测方法—DWMF。

        对于社交媒体中图文并茂的虚假信息,单模态的检测模型难以进行准确识别。目前,多模态虚假信息检测模型通常将文本和图像特征直接拼接,这样的特征融合方式会导致模态信息的冗余,不能更好地结合不同模态的优势。针对以上问题,提出一种基于动态加权多模态融合的虚假信息检测方法—DWMF。

        2. 一种基于xDeepFM算法和注意力机制的多模态虚假信息检测方法—att-XDSF。

        用户是社交网络上信息传播的主体,用户的社会属性特征在一定程度上可以代表该用户发布贴文的可信度。因此,研究用户属性特征显得尤为重要。提出了一种基于xDeepFM算法和注意力机制的多模态虚假信息检测方法—att-XDSF来学习用户社会属性特征中高阶与低阶之间的交互关系。

        3. 多模态虚假信息检测模型在雒盾·社交网络安全卫士客户端软件上的应用。

        为证明虚假信息检测模型的有效性和先进性,本项目在雒盾·社交网络安全卫士客户端软件上检测不同来源的信息是否为虚假信息,在源头上遏制其传播,共建清朗网络空间。

融合社会属性特征的多模态虚假信息方法

Alternate Text https://github.com/haustcsa/SocialSituSecu

      [ IEEE / IEEE_ComSoc / IEEE_MMTC ] [ IEEE MMTC Publications ] [ IEEE MMTC Awards ] [ IEEE MMTC Conferences ] [ IEEE MMTC Frontiers ] [ IEEE MMTC IGs ]

      [ IEEE Computer Society ] [ IEEE Signal Processing Society ] [ IEEE Consumer Electronics Societ ] [ IEEE Systems, Man, and Cybernetics Society ]


      © Copyright 2018-2021 HNCSA@HAUST - All rights reserved. China ICP Registration Granted No. 豫ICP备11003260号-1.

      A not-for-profit organization, IEEE is the world's largest professional association for the advancement of technology.

      HNCSA@HAUST is sponsored by Henan International Joint Laboratory of Cyberspace Security Applications, Henan University of Science and Technology and Special Interest Group on Digital Rights Management (SIGDRM), EST. 2018.

      Latest updates on  04/06/2025 16:16:18