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的生物學原理改進深度學習網(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、也是最全面的信號處理及其應(yīng)用方面的頂級學術(shù)會議，具有權(quán)威、廣泛的學界及工業(yè)界影響力，備受AI領(lǐng)域研究學者關(guān)注。
奇富科技的上述論文是智能語音團隊受生物系統(tǒng)中差異基因表達的啟發(fā)，將選擇性特征表達原理引入深度學習架構(gòu)，提出了一種創(chuàng)新的特征選擇性表達網(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，進一步提升對用戶的保護能力。
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)日益復雜，應(yīng)用門檻階梯式降低，對社會的信任體系、個人隱私和信息真實性造成了嚴重威脅。傳統(tǒng)的機器學習模型通常依賴于靜態(tài)特征表示，難以適應(yīng)不同的合成方法。在研究過程中，奇富科技智能語音團隊深度分析不同Deepfake算法理論，如FaceSwap、Face2Face等，推導出針對性的深度特征表征。同時SFE-Net能夠根據(jù)輸入的深度偽造特征動態(tài)調(diào)整特征優(yōu)先級，選擇性地增強關(guān)鍵特征，減少無關(guān)或誤導性線索的影響，從而有效提高檢測準確率。
論文結(jié)果表明，SFE-Net超越了目前所有靜態(tài)模型，同時SFE-Net在跨數(shù)據(jù)集場景中展現(xiàn)出更強的泛化能力，它在所有測試數(shù)據(jù)集中平均AUC（AUC越接近1.0，檢測準確率越高）也將之前SOTA的0.767大幅提升至0.795。這進一步證明了SFE-Net在綜合利用多維特征提取技術(shù)進行偽造檢測的獨特優(yōu)勢，為深度偽造檢測任務(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 具備強大普適檢測能力，它通過動態(tài)調(diào)整特征選擇策略融合多種特征精準識別深度偽造內(nèi)容，在跨數(shù)據(jù)集場景下泛化能力出色，能適應(yīng)不同平臺與多種偽造技術(shù)，在多數(shù)據(jù)集測試中準確率高，可為平臺監(jiān)管和執(zhí)法部門提供技術(shù)支持，助力清理屏蔽虛假信息與精準取證，打擊黑灰產(chǎn)業(yè)源頭，對維護數(shù)字內(nèi)容生態(tài)健康意義重大。
（免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）
