基于传播意图特征的虚假新闻检测方法综述

虚假新闻的传播会对个人、社会和国家产生巨大的负面影响,因此虚假新闻的检测始终都是研究的热点问题。虚假新闻检测实质上是一种信息分类问题,旨在验证由文本,图像和视频等多媒体信息构成的新闻的真实性。本文对虚假新闻检测问题和当前的主流方法展开了比较系统的研究,并揭示了虚假新闻的一个本质,即与报道真实事件的真实新闻不同,假新闻通常是有意为之,有特定的传播意图如误导公众等。基于这一特性,本文首先将虚假新闻的传播意图大致分为三类,并根据对应的相关特征对当前的研究方法作了分析,旨在能让读者从一个全新的角度理解虚假新闻检测领域。本文还介绍了虚假新闻检测的问题定义、基本范式、常用数据集和指标,并给出了该领域的未来的一些发展方向。      

基于社交媒体的谣言检测模型研究综述

社交媒体已经成为当今社会信息交流高速发展的最主要工具之一,因其具有传播速度快、范围广等优势,为人们了解新闻时事、人际交流、发表言论带来了极大的便利。但同时由于言论自由度高,以及信息发布监管不到位,给谣言的滋生带来了大量的生长空间。谣言即未经证实的虚假信息,不法分子会趁机捏造事实来蛊惑和误导大众,严重的将会造成社会经济受损以及社会秩序动荡。应对社交媒体中的大量信息,需要构建相应的谣言检测模型来甄别谣言信息。因此文章将现有的谣言检测模型研究分为基于文本特征、基于传播结构特征以及基于多模态特征的谣言检测模型,并对这三种谣言检测模型进行介绍和总结。     

打击美国面临的虚假信息(译文)

在过去的几年里,美国联邦政府在解决网上虚假信息问题上取得了长足的进步,但在这一领域取得有效进展的重要结构性障碍依然存在。最主要原因是没有明确指定的机构和相关部门来统筹所有工作,当前没有一个联邦实体拥有监督、权力或资源来承担打击虚假信息的责任。美国网络空间日光浴委员会(CSC)对网络支持的虚假信息进行了深入的研究,提出了美国可以采取的措施,以增强对虚假信息的抵御能力,特别是来自外国行为者的虚假信息。CSC提出了七项建议,以减少信息生态系统中的虚假信息,并增强个人和社会对虚假信息和恶意外国影响的适应能力。     

路面破损图像实时检测方法研究

提出一种路面破损图像实时检测的实现方法。对高速采集的路面图像去模糊后再进行裂纹特征分析。设计了一种基于邻域像素灰度值比较的特征快速提取方法,利用邻域相关及连贯性等知识智能去除虚假裂纹,从而提取真实裂纹信息。大量采集的图片的处理结果表明,该方法可实时快速检测路面破损信息,具有较强的鲁棒性和实际应用性。     

改进YOLOX算法的输电线路关键部件及缺陷检测

输电线路作为电力系统的载体，对其进行定期巡检，在第一时间对潜在的安全隐患进行干预是电力系统稳定运行的关键所在。针对输电线路关键部件及缺陷，依托无人机巡检图像，提出了一种改进YOLOX的目标检测算法，进一步加强浅层特征与深层特征的融合，丰富特征图信息；添加位置注意力模块，将位置信息与通道特征进行融合，促使神经网络在更大的区域上进行注意力调节，有利于感兴趣对象的精准定位；对回归损失进行分类处理，加大难回归样本的损失占比，提高算法的检测精度。实验表明，改进后的YOLOX检测算法相比于原始的YOLOX,mAP值提高了3.64%,证明了所提算法的真实有效性。     

基于内容的图像及视频检索

基于内容的图像及视频检索是当前计算机视觉、多媒体数据库管理研究领域的热点之一，较系统地介绍了该研究领域的现状、对于静态图像，主要介绍了基于颜色、纹理、形状、区域或目标等低级图像特征信息的检索以及基于交互式反馈的检索方法；对于视频序列，则介绍了镜头检测、镜头内容表示、场景的语义描述等技术，最后指出了该研究领域存在的难点及今后的工作。     

路面破损图像实时检测方法研究

提出一种路面破损图像实时检测的实现方法.对高速采集的路面图像去模糊后再进行裂纹特征分析,设计了一种基于邻域像素灰度值比较的特征快速提取方法,利用邻域相关及连贯性等知识智能去除虚假裂纹,从而提取真实裂纹信息.大量采集的图片的处理结果表明,该方法可实时快速检测路面破损信息,具有较强的鲁棒性和实际应用性.     

彩色图像特征点检测算子

图像特征点的定位检测是计算机视觉中的一个关键问题，特征点检测算子的性能会直接影响到相机参数标定和视觉测量结果。本文在传统的Harris灰度图像的特征点检测算子基础上，利用彩色图像RGB三分量数据融合，提出了彩色图像特征点检测算子；提出了2个空间位置约束条件，使检测到的特征点均匀分布在图像各个区域；还提出了采用Bilateral滤波器取代Gaussian滤波器，得到一种既能保持边缘信息又能有效平滑噪声的图像滤波方法。通过对加噪彩色图像的特征点检测实验证明所提方法特征点定位准确，分布合理，抗噪声干扰性能好。     

基于EMD的图像特征增强技术研究

在利用数字射线成像系统进行特征检测过程中,由于系统和工件本身特点的原因,在获取的射线图像中,某些需要识别的特征信息常常被大量的低频背景信息掩盖,使特征的识别增加了难度。针对上述问题,研究了一种基于经验模式分解（Empirical Mode Decomposition,简称EMD）的图像特征增强技术。研究表明,与传统分析方法相比,EMD方法能够更准确地剔除图像中存在的非需特征信息,增强需要识别的特征信息,提高特征信息的识别率。     

雷达目标三维特征的提取与识别研究

以逆合成孔径雷达(ISAR)成像技术和计算机视觉理论为基础，提出了一套新的从动态目标ISAR成像序列中提取目标散射点三维结构信息，以此作为目标特征的识别方法。这一研究方法包含了4个重要环节：动态目标的ISAR像序列的获得；“散射点像元”质心的检测、跟踪和匹配；基于光流分析的目标散射点三维结构特征的提取；目标三维特征的识别。由于经过了时间和空间上信息的积累，目标的散射点的三维结构特征具有稳定和直观的特点。作为一种新的目标识别的依据是很有效的，且只需要较少的训练样本就可以获得较高的识别率。     

基于非线性SIFT框架SAR图像匹配

针对基于尺度不变特征变换（SIFT）的图像匹配算法性能受到SAR图像中严重斑点噪声而性能降低的问题，提出了一种改进的非线性尺度构建的SIFT算法，主要改进在于：在尺度空间构建阶段，该算法通过将滚动引导滤波器嵌入到尺度空间构造的过程中来生成多尺度图像金字塔，在去除斑噪的同时并保持边缘的方面表现出了较其他尺度空间构建算法更好的效果；在特征检测阶段，提出了一种使用ROEWA算子和Harris-Laplace检测算子相结合的特征点检测算法，有效地抑制SAR图像中的虚假特征点，并准确地提取具有高位置精度和低误差率的不变特征点。3种不同类型的仿真和真实SAR图像对该算法进行了检验，并与其他2种基于SIFT的方法相比较，实验结果表明，该算法在匹配精度和内联点比率方面可以实现更好的性能。     

人工智能和机器学习下的5G网络安全研究

提出了一种基于机器学习的网络入侵检测系统来防止恶意的在线攻击。该系统是一种多阶段优化框架，研究了过采样技术对模型训练样本数量的影响，比较了基于信息增益和基于相关性的两种特征选择技术，探讨其对检测性能和时间复杂度的影响；探索了不同的超参数优化技术来进一步提高网络入侵检测系统的性能。在CICIDS 2017和UNSW-NB 2015入侵检测数据集上的实验结果表明，该模型能显著降低所需的样本数量和特征集量，并在两个数据集上的检测准确率均超过99%。在保持检测性能的同时降低了计算复杂度。     

社交平台上的谣言检测综述

随着互联网的飞速发展,人们的生活获得了极大的便捷,但同时网络平台也滋生了大量的虚假信息,任由虚假的网络谣言广泛传播会极大地影响人们的生活,甚至影响国家的秩序,因此谣言检测研究具有较高的意义。文章对谣言检测方法的相关文献进行归纳分析,将检测方法按照谣言的特点分成了四类:基于内容的方法、基于用户信息的方法、基于传播的方法、基于外部知识引入的方法。然后介绍了部分公开的谣言检测数据集。最后对全文进行总结并展望了谣言检测的发展方向。     

信号细微特征分析技术研究

信号特征研究可以使人们获得信息特征、信号格式、目标个体特征等诸多信息,是人们进行数据融合,完成破译解码、模式/目标识别与跟踪、态势分析的重要技术手段.长期以来,电信号的细微特征分析在雷达侦察、技术侦察、电子战侦察等领域都占有非常重要的地位.文中给出了相关定义,分析了细微特征的来源,论述了细微特征情报信息的地位和作用,介绍了信号细微特征的分析方法,该方法可供该技术领域的人员参考.     

基于单次双向特征金字塔网络的目标检测模型

目标检测是计算机视觉领域的重点研究方向，SSD模型虽然在检测精度与速度上均取得较好的效果，但其利用低语义信息的浅层特征训练小目标，容易出现小目标漏检和误检现象。对此，提出了一种基于单次双向特征金字塔网络的改进SSD目标检测模型（OBSSD）。首先基于分层融合的思想构建双向特征融合模块来解决浅层特征利用不足的问题；其次引入融合权重来更加有效地融合不同层级的特征，改善浅层特征语义信息低的问题；最后在分类和回归预测前加入基于残差模块的检测单元，解决因分类网络偏向平移不变性导致的目标定位不准确问题。在PASCAL VOC2007测试集上的实验结果表明：所提模型的平均精确度（mAP）为80.8%，较SSD模型提高6.5个百分点，且检测速度满足实时检测的需求。     

电话诈骗中虚假主叫的预防和治理方案

随着通信技术的发展，犯罪分子通过电话、网络和短信方式，编造虚假信息，设置骗局，对受害人实施远程、非接触式诈骗，诱使受害人给犯罪分子打款或转账，给人们的财产安全造成了威胁。本文通过分析电话诈骗的虚假主叫的表现和虚假主叫的来源，提出了从运营商技术层面对虚假主叫进行预防和治理方案。     

基于步态的身份识别

步态就是个体的行走方式，它作为一种适用于非接触式远距离身份识别的生物特征近来倍受关注。文章提出了一种简单有效的利用行人的步态特征识别身份的算法。对于每个序列而言，行人的重心偏移量首先被用来去除序列中的冗余图像帧；然后，从图像中提取二值化人体轮廓的宽度信息，通过对其进行特征空间变换和规范空间变换来获得可分类的低维步态特征；标准的模式分类技术用于最终的识别。     

基于弱分类器集成的车联网虚假交通信息检测

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。     

基于多特征融合和增强模型的恶意代码检测方法

随着互联网、云计算、物联网等技术的飞速发展，恶意代码引起的网络安全事件频发，引起了社会极大的恐慌。基于多特征融合和增强模型的恶意代码检测方法利用主成分分析法、随机森林法对图像GIST特征、操作码序列、字节统计值、文件结构等特征进行优化，利用贝叶斯优化策略增强K最近邻算法（K-Nearest Neighbor,KNN）、支持向量机、随机森林等模型，并聚合增强模型的检测结果。实验表明，该方法精准率达到了98.98%，准确率达到了97.66%,F1值达到了96.64%，具有良好的分类效果。     

多模态图像检索技术的研究

随着人类社会的不断进步和信息技术的发展,对智能化设备和技术需求越来越高,为了让计算机更好的理解世界,诞生了计算机视觉这门科学。目前计算机视觉已经遍及生活各个方面,并且在日常生活、医学应用、工业检测等领域中发挥重要的作用。图像纹理是人类观察物体获取的重要信息之一,也是最有感知意义的主要特征。在计算机视觉技术的应用中,图像分析、物体识别等应用都和匹配密切相关。此研究从图像的纹理特征为切入点,研究多模态图像检索技术,讨论纹理特征抽象与图像查询的匹配方法,对跨媒体图像检索技术具有借鉴和指导意义。