多模態(tài)深偽對(duì)抗技術(shù)再突破，奇富科技論文被語(yǔ)音與信號(hào)處理頂會(huì)ICASSP2025接收

12月30日消息，近日，奇富科技論文《SFE-Net：利用基因選擇性表達(dá)的生物學(xué)原理改進(jìn)深度學(xué)習(xí)網(wǎng)絡(luò)中的特征選擇》（/SFE-Net: Harnessing Biological Principles of Differential Gene Expression for Improved Feature Selection in Deep Learning Networks/）被ICASSP 2025接收。

據(jù)悉，ICASSP是全世界最大的、也是最全面的信號(hào)處理及其應(yīng)用方面的頂級(jí)學(xué)術(shù)會(huì)議，具有權(quán)威、廣泛的學(xué)界及工業(yè)界影響力，備受AI領(lǐng)域研究學(xué)者關(guān)注。

奇富科技的上述論文是智能語(yǔ)音團(tuán)隊(duì)受生物系統(tǒng)中差異基因表達(dá)的啟發(fā)，將選擇性特征表達(dá)原理引入深度學(xué)習(xí)架構(gòu)，提出了一種創(chuàng)新的特征選擇性表達(dá)網(wǎng)絡(luò)（Selective Feature Expression Network:SFE-Net）。SFE-Net聚焦于多模態(tài)技術(shù)在DeepFake（深度偽造）檢測(cè)中的應(yīng)用，這一技術(shù)有望應(yīng)用于奇富科技的反欺詐和反黑灰產(chǎn)工作，進(jìn)一步提升對(duì)用戶的保護(hù)能力。

隨著人工智能生成式模型的普及和發(fā)展，深度偽造技術(shù)日益復(fù)雜，應(yīng)用門(mén)檻階梯式降低，對(duì)社會(huì)的信任體系、個(gè)人隱私和信息真實(shí)性造成了嚴(yán)重威脅。傳統(tǒng)的機(jī)器學(xué)習(xí)模型通常依賴(lài)于靜態(tài)特征表示，難以適應(yīng)不同的合成方法。在研究過(guò)程中，奇富科技智能語(yǔ)音團(tuán)隊(duì)深度分析不同Deepfake算法理論，如FaceSwap、Face2Face等，推導(dǎo)出針對(duì)性的深度特征表征。同時(shí)SFE-Net能夠根據(jù)輸入的深度偽造特征動(dòng)態(tài)調(diào)整特征優(yōu)先級(jí)，選擇性地增強(qiáng)關(guān)鍵特征，減少無(wú)關(guān)或誤導(dǎo)性線索的影響，從而有效提高檢測(cè)準(zhǔn)確率。

論文結(jié)果表明，SFE-Net超越了目前所有靜態(tài)模型，同時(shí)SFE-Net在跨數(shù)據(jù)集場(chǎng)景中展現(xiàn)出更強(qiáng)的泛化能力，它在所有測(cè)試數(shù)據(jù)集中平均AUC（AUC越接近1.0，檢測(cè)準(zhǔn)確率越高）也將之前SOTA的0.767大幅提升至0.795。這進(jìn)一步證明了SFE-Net在綜合利用多維特征提取技術(shù)進(jìn)行偽造檢測(cè)的獨(dú)特優(yōu)勢(shì)，為深度偽造檢測(cè)任務(wù)提供了高效可靠的解決方案。

據(jù)介紹，奇富科技研發(fā)的 SFE-Net 具備強(qiáng)大普適檢測(cè)能力，它通過(guò)動(dòng)態(tài)調(diào)整特征選擇策略融合多種特征精準(zhǔn)識(shí)別深度偽造內(nèi)容，在跨數(shù)據(jù)集場(chǎng)景下泛化能力出色，能適應(yīng)不同平臺(tái)與多種偽造技術(shù)，在多數(shù)據(jù)集測(cè)試中準(zhǔn)確率高，可為平臺(tái)監(jiān)管和執(zhí)法部門(mén)提供技術(shù)支持，助力清理屏蔽虛假信息與精準(zhǔn)取證，打擊黑灰產(chǎn)業(yè)源頭，對(duì)維護(hù)數(shù)字內(nèi)容生態(tài)健康意義重大。

生成海報(bào)