公开(公告)号：CN116863366A

公开(公告)日：2023-10-10

申请号：CN202310659233.1

申请日：2023-06-05

申请人： 中国科学院计算技术研究所

发明人： 曹娟 ,  亓鹏 ,  唐胜

IPC分类号： G06V20/40 ,  G06V10/764 ,  G06F40/211

摘要： 本发明提出一种跨样本虚假新闻视频的检测方法，包括：获取目标事件的新闻视频和辟谣视频，提取新闻视频的单样本特征为第一特征，提取该辟谣视频的单样本特征为第二特征；构建以该第一特征为节点和以该节点之间的重要性表示为边的事件图；以信息聚合获取该节点的节点特征，通过对该节点特征进行真假二分类，选出分类为真的节点特征所对应新闻视频为待测视频，以及分类为假的第一虚假视频；通过检测该第二特征与该待测视频的第一特征之间的事实信息冲突，选出该待测视频中的第二虚假视频，以该第一虚假视频和该第二虚假视频为虚假新闻视频。本发明还提出一种跨样本虚假新闻视频的检测系统，以及一种用于实现跨样本虚假新闻视频检测的数据处理装置。

公开(公告)号：CN111797326B

公开(公告)日：2023-05-12

申请号：CN202010459132.6

申请日：2020-05-27

申请人： 中国科学院计算技术研究所

发明人： 曹娟 ,  亓鹏 ,  谢添 ,  刘浩远 ,  郭俊波

IPC分类号： G06F16/9536 ,  G06V10/82 ,  G06V10/80 ,  G06V10/764 ,  G06N3/0464 ,  G06N3/08

摘要： 本发明提出一种融合多尺度视觉信息的虚假新闻检测方法，包括：频域特征获取步骤，以卷积神经网络构建频域子网络模型，通过该频域子网络模型获得输入图像的频域特征表示；语义特征获取步骤，以卷积神经网络构建像素域子网络模型，通过该像素域子网络模型获得该输入图像的语义特征表示；图像检测步骤，将该频域特征表示与该语义特征表示进行融合，得到该输入图像的图像表示，并根据该图像表示获得该输入图像为虚假新闻图片的预测概率。本发明还提出一种融合多尺度视觉信息的虚假新闻检测系统，以及一种计算机可读存储介质和包括该计算机可读存储介质的数据处理装置。

公开(公告)号：CN108681749B

公开(公告)日：2021-11-23

申请号：CN201810486787.5

申请日：2018-05-21

申请人： 中国科学院计算技术研究所

发明人： 上官建峰 ,  曹娟 ,  亓鹏 ,  李锦涛

IPC分类号： G06K9/62 ,  G06Q50/00

摘要： 本发明提供了一种基于网络社交平台构建隐私信息甄别模型的方法。该方法包括以下步骤：根据网络社交平台上已发布的问题及相关答案之间的结构特征构建由多组分析数据构成的训练样本集，其中，每组分析数据包括问题信息、相关的答案列表信息以及对应的隐私性标签；以所述训练样本集中的问题信息、相关的答案列表信息为输入，以对应的隐私性标签为输出训练深度学习模型，以获得基于所述深度学习模型的隐私信息甄别模型。本发明的隐私信息甄别方法能够对用户在网络社交平台上发布的内容有效地甄别其是否属于隐私信息。

公开(公告)号：CN111797326A

公开(公告)日：2020-10-20

申请号：CN202010459132.6

申请日：2020-05-27

申请人： 中国科学院计算技术研究所

发明人： 曹娟 ,  亓鹏 ,  谢添 ,  刘浩远 ,  郭俊波

IPC分类号： G06F16/9536 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

摘要： 本发明提出一种融合多尺度视觉信息的虚假新闻检测方法，包括：频域特征获取步骤，以卷积神经网络构建频域子网络模型，通过该频域子网络模型获得输入图像的频域特征表示；语义特征获取步骤，以卷积神经网络构建像素域子网络模型，通过该像素域子网络模型获得该输入图像的语义特征表示；图像检测步骤，将该频域特征表示与该语义特征表示进行融合，得到该输入图像的图像表示，并根据该图像表示获得该输入图像为虚假新闻图片的预测概率。本发明还提出一种融合多尺度视觉信息的虚假新闻检测系统，以及一种计算机可读存储介质和包括该计算机可读存储介质的数据处理装置。

公开(公告)号：CN108681749A

公开(公告)日：2018-10-19

申请号：CN201810486787.5

申请日：2018-05-21

申请人： 中国科学院计算技术研究所

发明人： 上官建峰 ,  曹娟 ,  亓鹏 ,  李锦涛

IPC分类号： G06K9/62 ,  G06Q50/00

CPC分类号： G06K9/6267 ,  G06K9/6256 ,  G06Q50/01

摘要： 本发明提供了一种基于网络社交平台构建隐私信息甄别模型的方法。该方法包括以下步骤：根据网络社交平台上已发布的问题及相关答案之间的结构特征构建由多组分析数据构成的训练样本集，其中，每组分析数据包括问题信息、相关的答案列表信息以及对应的隐私性标签；以所述训练样本集中的问题信息、相关的答案列表信息为输入，以对应的隐私性标签为输出训练深度学习模型，以获得基于所述深度学习模型的隐私信息甄别模型。本发明的隐私信息甄别方法能够对用户在网络社交平台上发布的内容有效地甄别其是否属于隐私信息。

公开(公告)号：CN114419354A

公开(公告)日：2022-04-29

申请号：CN202111588774.7

申请日：2021-12-23

申请人： 中国科学院计算技术研究所

发明人： 曹娟 ,  杨光 ,  盛强 ,  亓鹏 ,  李锦涛 ,  谢添

IPC分类号： G06V10/762 ,  G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08 ,  G06K9/62 ,  G06F21/62

摘要： 本发明公开了一种基于关键区域动态分析的图片隐私风险预测模型训练方法，包括以下步骤：提取训练数据集中的图片的初步特征；将所述初步特征进行聚类以获得所述图片的多个关键区域及其特征；基于所述多个关键区域的特征，利用神经网络学习所述图片的多个关键区域的相关性矩阵；根据所述相关性矩阵融合所述多个关键区域的特征以获得所述图片的融合特征；基于所述融合特征预测所述图片的隐私风险。