摘要：自动合成新闻已经被广泛应用于金融市场分析、事件报道等格式化新闻信息中,具有重大的社会影响。然而,采用集中式的存储方式进行监管,容易导致信息被监管者或第三方窃取和篡改。因此,在保证检测效率以及准确率的前提下保护信息不被窃取和篡改显得尤为重要。本课题提出一种符合监管合规性的自动合成新闻检测方法,目的是通过发放数据访问令牌,在确保只有监管机构能处理信息的同时将数据活动记录在分布式账本中。该方法设计了两类分布式账本,并通过智能合约调用,以实现认证授权机制和日志记录,只有诚实地参与才能获得区块链的认可并证明符合监管的合规性。此外,该方法采用轻量级的检测算法IDF-FastText赋予边缘节点计算能力,从源头上遏止各种自动合成新闻的肆意传播,实现监管的及时性。将基于GAN的GPT-2检测模型部署在服务器上以供监管机构进行检测结果的验证。最终,通过实验证明了所提设计理念的可行性。

摘要：随着人工智能技术的发展,基于深度学习的深度伪造技术日趋成熟,通过多媒体篡改工具可以对视频中的人脸进行随意的篡改,并且几乎无法被肉眼察觉。深度伪造人脸视频成为互联网内容监管中不可或缺的重要部分。以短视频社交平台为应用场景,提出了一种基于区块链存证技术的深度伪造人脸视频内容监管方法。方法针对实际场景中图像内容质量差异的特点设计出一种线性混合的检测方法,在边缘端采用基于轻量级微调神经网络的分类器架构,结合服务器端采取频谱特征进行分类。解决了传统独立检测方法面对数亿级短视频内容的上传与发布过程中检测效率与准确率之间难以平衡的问题。上述方法针对视频文件大且大量转发导致的数据冗余问题,采用超级账本与IPFS相结合的数据存储方式,可以对深度伪造人脸视频内容进行快速精准的追溯并对用户行为进行评价。实验结果表明,所提方法在两个公共深度伪造人脸视频数据集(DeepfakeDetection、Celeb-DF)中都表现出较好的效果,并且在针对内容监管平台的性能测试中表现较好。