CN117540038B - 智能检测虚假数据合成方法和系统 - Google Patents
智能检测虚假数据合成方法和系统 Download PDFInfo
- Publication number
- CN117540038B CN117540038B CN202410037557.6A CN202410037557A CN117540038B CN 117540038 B CN117540038 B CN 117540038B CN 202410037557 A CN202410037557 A CN 202410037557A CN 117540038 B CN117540038 B CN 117540038B
- Authority
- CN
- China
- Prior art keywords
- scene information
- multimedia data
- synthesis
- false
- association degree
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 16
- 238000001308 synthesis method Methods 0.000 title abstract description 7
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 69
- 238000003786 synthesis reaction Methods 0.000 claims abstract description 69
- 238000000034 method Methods 0.000 claims description 24
- 238000000605 extraction Methods 0.000 claims description 13
- 238000004140 cleaning Methods 0.000 claims description 6
- 238000013135 deep learning Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000013136 deep learning model Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/40—Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
- G06F16/45—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/40—Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
- G06F16/48—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/10—Pre-processing; Data cleansing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/018—Certifying business or products
- G06Q30/0185—Product, service or business identity fraud
Abstract
本发明提供一种智能检测虚假数据合成方法和系统,通过采集多媒体数据分别提取其中携带的预设字段的值和特征值,分别得到第一场景信息和第二场景信息,根据所述第一场景信息还可以向服务器请求下发规则模板,进而可以计算项目与项目之间、项目与下属元素之间的关联度,根据关联度的高低进行初步判断,两个场景信息的匹配判断作为再次判断,结合两个判断结果可以定位虚假合成的范围或位置,克服现有技术无法有效检测虚假合成和防止虚假合成的问题。
Description
技术领域
本申请涉及网络安全技术领域,尤其涉及一种智能检测虚假数据合成方法和系统。
背景技术
随着数字化时代的到来,数据在各行各业中扮演着越来越重要的角色。然而,与此同时,数据的真实性也面临着日益严重的挑战。虚假数据的合成与传播不仅会影响到数据的可信度,更会误导决策,造成严重后果。因此,如何有效检测并防止虚假数据的合成,已成为亟待解决的问题。
因此,急需一种针对性的智能检测虚假数据合成方法和系统。
发明内容
本发明的目的是为了解决上述问题,提供一种智能检测虚假数据合成方法和系统。
第一方面,本申请提供一种智能检测虚假数据合成方法,所述方法包括:
采集原始的多媒体数据,并对所述原始的多媒体数据进行整理,包括清洗和去除噪声;
从整理后的多媒体数据中提取预设字段的值,所述预设字段是在多媒体数据中额外增加的帧结构字段,用于存储多媒体数据对应的场景信息;
根据预设字段的值,得到对应的第一场景信息;
根据所述第一场景信息向服务器请求下发规则模板;
对所述整理后的多媒体数据按照下发的规则模板进行填充,发掘不同的项目以及每个项目下属的元素,计算项目与项目之间的第一关联度、以及项目与下属元素之间的第二关联度;
对所述整理后的多媒体数据进行初步判断,判断所述第一关联度和第二关联度的值是否均小于阈值,如果两者均小于阈值,则表明多媒体数据存在大范围虚假合成,根据多个项目的标识定位虚假合成的范围;如果仅有一个关联度小于阈值,则表明多媒体数据存在局部虚假合成,根据项目的标识定位虚假合成的位置;如果两者均大于阈值,则表明多媒体数据初步判断不存在虚假合成;
采用深度学习技术对所述整理后的多媒体数据进行特征提取,得到多个第一特征值,根据所述第一特征值确定第二场景信息;
将所述第一场景信息与第二场景信息进行匹配,如果两者匹配成功,则根据初步判断的结果,给出最终判断结果,只有两个场景信息匹配成功且两个关联度均大于阈值时,所述整理后的多媒体数据为不存在虚假合成,否则,根据项目的标识定位虚假合成的范围或位置;
向用户展示虚假合成的范围或位置。
第二方面,本申请提供一种智能检测虚假数据合成系统,所述系统包括:
采集单元,用于采集原始的多媒体数据,并对所述原始的多媒体数据进行整理,包括清洗和去除噪声;
提取字段单元,用于从整理后的多媒体数据中提取预设字段的值,所述预设字段是在多媒体数据中额外增加的帧结构字段,用于存储多媒体数据对应的场景信息;根据预设字段的值,得到对应的第一场景信息;
请求单元,用于根据所述第一场景信息向服务器请求下发规则模板;
填充计算单元,用于对所述整理后的多媒体数据按照下发的规则模板进行填充,发掘不同的项目以及每个项目下属的元素,计算项目与项目之间的第一关联度、以及项目与下属元素之间的第二关联度;
初步判断单元,用于对所述整理后的多媒体数据进行初步判断,判断所述第一关联度和第二关联度的值是否均小于阈值,如果两者均小于阈值,则表明多媒体数据存在大范围虚假合成,根据多个项目的标识定位虚假合成的范围;如果仅有一个关联度小于阈值,则表明多媒体数据存在局部虚假合成,根据项目的标识定位虚假合成的位置;如果两者均大于阈值,则表明多媒体数据初步判断不存在虚假合成;
特征提取单元,用于采用深度学习技术对所述整理后的多媒体数据进行特征提取,得到多个第一特征值,根据所述第一特征值确定第二场景信息;
匹配单元,用于将所述第一场景信息与第二场景信息进行匹配,如果两者匹配成功,则根据初步判断的结果,给出最终判断结果,只有两个场景信息匹配成功且两个关联度均大于阈值时,所述整理后的多媒体数据为不存在虚假合成,否则,根据项目的标识定位虚假合成的范围或位置;
展示单元,用于向用户展示虚假合成的范围或位置。
第三方面,本申请提供一种智能检测虚假数据合成系统,所述系统包括处理器以及存储器:
所述存储器用于存储程序代码,并将所述程序代码传输给所述处理器;
所述处理器用于根据所述程序代码中的指令执行第一方面四种可能中任一项所述的方法。
第四方面,本申请提供一种计算机可读存储介质,所述计算机可读存储介质用于存储程序代码,所述程序代码用于执行第一方面四种可能中任一项所述的方法。
有益效果
本发明提供一种智能检测虚假数据合成方法和系统,通过采集多媒体数据分别提取其中携带的预设字段的值和特征值,分别得到第一场景信息和第二场景信息,根据所述第一场景信息还可以向服务器请求下发规则模板,进而可以计算项目与项目之间、项目与下属元素之间的关联度,根据关联度的高低进行初步判断,两个场景信息的匹配判断作为再次判断,结合两个判断结果可以定位虚假合成的范围或位置,克服现有技术无法有效检测虚假合成和防止虚假合成的问题。
本发明的智能检测虚假数据合成方法和系统具有以下优点:
可以实现对数据的自动分类和识别,准确检测出虚假数据的合成,保护数据的真实性和完整性。通过采用深度学习模型和异常检测算法,提高了检测的准确性和效率。本发明可广泛应用于需要检测数据真实性的领域,如金融、医疗、政府等。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明智能检测虚假数据合成方法的大致流程图;
图2为本发明智能检测虚假数据合成系统的架构图。
具体实施方式
下面结合附图对本发明的优选实施例进行详细阐述,以使本发明的优点和特征能更易于被本领域技术人员理解,从而对本发明的保护范围做出更为清楚明确的界定。
数据的真实性也面临着日益严重的挑战,虚假数据的合成与传播不仅会影响到数据的可信度,更会误导决策。
图1为本申请提供的智能检测虚假数据合成方法的大致流程图,所述方法包括:
采集原始的多媒体数据,并对所述原始的多媒体数据进行整理,包括清洗和去除噪声;
从整理后的多媒体数据中提取预设字段的值,所述预设字段是在多媒体数据中额外增加的帧结构字段,用于存储多媒体数据对应的场景信息;
根据预设字段的值,得到对应的第一场景信息;
根据所述第一场景信息向服务器请求下发规则模板;
对所述整理后的多媒体数据按照下发的规则模板进行填充,发掘不同的项目以及每个项目下属的元素,计算项目与项目之间的第一关联度、以及项目与下属元素之间的第二关联度;
对所述整理后的多媒体数据进行初步判断,判断所述第一关联度和第二关联度的值是否均小于阈值,如果两者均小于阈值,则表明多媒体数据存在大范围虚假合成,根据多个项目的标识定位虚假合成的范围;如果仅有一个关联度小于阈值,则表明多媒体数据存在局部虚假合成,根据项目的标识定位虚假合成的位置;如果两者均大于阈值,则表明多媒体数据初步判断不存在虚假合成;
用深度学习技术对所述整理后的多媒体数据进行特征提取,得到多个第一特征值,根据所述第一特征值确定第二场景信息;
将所述第一场景信息与第二场景信息进行匹配,如果两者匹配成功,则根据初步判断的结果,给出最终判断结果,只有两个场景信息匹配成功且两个关联度均大于阈值时,所述整理后的多媒体数据为不存在虚假合成,否则,根据项目的标识定位虚假合成的范围或位置;
向用户展示虚假合成的范围或位置。
如果多媒体数据是虚假合成的,那么项目与元素、项目与项目之间的关联度会比较低,由此本领域技术人员可以判断出该多媒体数据是虚假合成的。以及,如果预设字段包含的场景与多媒体数据提取特征对应的场景不吻合,也可以由此判断该多媒体数据是虚假合成的。
本申请正是通过上述原理,创造性地采用规则模板,计算项目与项目之间、项目与下属元素之间的关联度,根据关联度的高低进行初步判断。
在一些优选实施例中,所述向服务器请求下发规则模板,包括:所述规则模板中包含指定场景所要求的各种项目和元素;服务器将所需多媒体数据按照项目类别分别与模板中项目元素建立对应关系,进行存储;服务器接收请求,根据所述场景信息,调取出对应的规则模板,下发给终端设备。
本申请可以根据场景不同,选择不同的规则。
在一些优选实施例中,所述服务器中存储有不同场景与特征规则的关联关系,根据场景选择若干个特征规则,生成指定场景下的规则模板,其中关联度高的特征组成一个项目,特征成为该项目里的元素。
本申请服务器中存储了不同类型场景的特征规则,用户可以进一步扩展,丰富更多场景,也就是,本申请保持了极大的可扩展性。
在一些优选实施例中,所述将所述第一场景信息与第二场景信息进行匹配,包括:将所述第一场景信息与第二场景信息进行逐位比较、或计算两个场景信息的信息方差,若逐位比较相同、或方差小于指定阈值,则判断第一场景信息与第二场景信息匹配成功。
图2为本申请提供的智能检测虚假数据合成系统的架构图,所述系统包括:
采集单元,用于采集原始的多媒体数据,并对所述原始的多媒体数据进行整理,包括清洗和去除噪声;
提取字段单元,用于从整理后的多媒体数据中提取预设字段的值,所述预设字段是在多媒体数据中额外增加的帧结构字段,用于存储多媒体数据对应的场景信息;根据预设字段的值,得到对应的第一场景信息;
请求单元,用于根据所述第一场景信息向服务器请求下发规则模板;
填充计算单元,用于对所述整理后的多媒体数据按照下发的规则模板进行填充,发掘不同的项目以及每个项目下属的元素,计算项目与项目之间的第一关联度、以及项目与下属元素之间的第二关联度;
初步判断单元,用于对所述整理后的多媒体数据进行初步判断,判断所述第一关联度和第二关联度的值是否均小于阈值,如果两者均小于阈值,则表明多媒体数据存在大范围虚假合成,根据多个项目的标识定位虚假合成的范围;如果仅有一个关联度小于阈值,则表明多媒体数据存在局部虚假合成,根据项目的标识定位虚假合成的位置;如果两者均大于阈值,则表明多媒体数据初步判断不存在虚假合成;
特征提取单元,用于采用深度学习技术对所述整理后的多媒体数据进行特征提取,得到多个第一特征值,根据所述第一特征值确定第二场景信息;
匹配单元,用于将所述第一场景信息与第二场景信息进行匹配,如果两者匹配成功,则根据初步判断的结果,给出最终判断结果,只有两个场景信息匹配成功且两个关联度均大于阈值时,所述整理后的多媒体数据为不存在虚假合成,否则,根据项目的标识定位虚假合成的范围或位置;
展示单元,用于向用户展示虚假合成的范围或位置。
本申请提供一种智能检测虚假数据合成系统,所述系统包括:所述系统包括处理器以及存储器:
所述存储器用于存储程序代码,并将所述程序代码传输给所述处理器;
所述处理器用于根据所述程序代码中的指令执行第一方面所有实施例中任一项所述的方法。
本申请提供一种计算机可读存储介质,所述计算机可读存储介质用于存储程序代码,所述程序代码用于执行第一方面所有实施例中任一项所述的方法。
具体实现中,本发明还提供一种计算机存储介质,其中,该计算机存储介质可以存储有程序,该程序执行时可包括本发明各个实施例中的部分或全部步骤。所述的存储介质可以为磁碟、光盘、只读存储记忆体(简称:ROM)或随机存储记忆体(简称:RAM)等。
本领域的技术人员可以清楚地了解到本发明实施例中的技术可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,本发明实施例中的技术方案本质上或者对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
本说明书各个实施例之间相同相似的部分互相参见即可。尤其,对于实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例中的说明即可。
以上所述的本发明实施方式并不构成对本发明保护范围的限定。
Claims (7)
1.一种智能检测虚假数据合成方法,其特征在于,所述方法包括:
采集原始的多媒体数据,并对所述原始的多媒体数据进行整理,包括清洗和去除噪声;
从整理后的多媒体数据中提取预设字段的值,所述预设字段是在多媒体数据中额外增加的帧结构字段,用于存储多媒体数据对应的场景信息;
根据预设字段的值,得到对应的第一场景信息;
根据所述第一场景信息向服务器请求下发规则模板;
对所述整理后的多媒体数据按照下发的规则模板进行填充,发掘不同的项目以及每个项目下属的元素,计算项目与项目之间的第一关联度、以及项目与下属元素之间的第二关联度;
对所述整理后的多媒体数据进行初步判断,判断所述第一关联度和第二关联度的值是否均小于阈值,如果两者均小于阈值,则表明多媒体数据存在大范围虚假合成,根据多个项目的标识定位虚假合成的范围;如果仅有一个关联度小于阈值,则表明多媒体数据存在局部虚假合成,根据项目的标识定位虚假合成的位置;如果两者均大于阈值,则表明多媒体数据初步判断不存在虚假合成;
采用深度学习技术对所述整理后的多媒体数据进行特征提取,得到多个第一特征值,根据所述第一特征值确定第二场景信息;
将所述第一场景信息与第二场景信息进行匹配,如果两者匹配成功,则根据初步判断的结果,给出最终判断结果,只有两个场景信息匹配成功且两个关联度均大于阈值时,所述整理后的多媒体数据为不存在虚假合成,否则,根据项目的标识定位虚假合成的范围或位置;
向用户展示虚假合成的范围或位置。
2.根据权利要求1所述的方法,其特征在于:所述向服务器请求下发规则模板,包括:所述规则模板中包含指定场景所要求的各种项目和元素;服务器将所需多媒体数据按照项目类别分别与模板中项目元素建立对应关系,进行存储;服务器接收请求,根据场景信息,调取出对应的规则模板,下发给终端设备。
3.根据权利要求2所述的方法,其特征在于:所述服务器中存储有不同场景与特征规则的关联关系,根据场景选择若干个特征规则,生成指定场景下的规则模板,其中关联度高的特征组成一个项目,特征成为该项目里的元素。
4.根据权利要求3所述的方法,其特征在于:所述将所述第一场景信息与第二场景信息进行匹配,包括:将所述第一场景信息与第二场景信息进行逐位比较、或计算两个场景信息的信息方差,若逐位比较相同、或方差小于指定阈值,则判断第一场景信息与第二场景信息匹配成功。
5.一种智能检测虚假数据合成系统,其特征在于,所述系统包括:
采集单元,用于采集原始的多媒体数据,并对所述原始的多媒体数据进行整理,包括清洗和去除噪声;
提取字段单元,用于从整理后的多媒体数据中提取预设字段的值,所述预设字段是在多媒体数据中额外增加的帧结构字段,用于存储多媒体数据对应的场景信息;根据预设字段的值,得到对应的第一场景信息;
请求单元,用于根据所述第一场景信息向服务器请求下发规则模板;
填充计算单元,用于对所述整理后的多媒体数据按照下发的规则模板进行填充,发掘不同的项目以及每个项目下属的元素,计算项目与项目之间的第一关联度、以及项目与下属元素之间的第二关联度;
初步判断单元,用于对所述整理后的多媒体数据进行初步判断,判断所述第一关联度和第二关联度的值是否均小于阈值,如果两者均小于阈值,则表明多媒体数据存在大范围虚假合成,根据多个项目的标识定位虚假合成的范围;如果仅有一个关联度小于阈值,则表明多媒体数据存在局部虚假合成,根据项目的标识定位虚假合成的位置;如果两者均大于阈值,则表明多媒体数据初步判断不存在虚假合成;
特征提取单元,用于采用深度学习技术对所述整理后的多媒体数据进行特征提取,得到多个第一特征值,根据所述第一特征值确定第二场景信息;
匹配单元,用于将所述第一场景信息与第二场景信息进行匹配,如果两者匹配成功,则根据初步判断的结果,给出最终判断结果,只有两个场景信息匹配成功且两个关联度均大于阈值时,所述整理后的多媒体数据为不存在虚假合成,否则,根据项目的标识定位虚假合成的范围或位置;
展示单元,用于向用户展示虚假合成的范围或位置。
6.一种智能检测虚假数据合成系统,其特征在于,所述系统包括处理器以及存储器:
所述存储器用于存储程序代码,并将所述程序代码传输给所述处理器;
所述处理器用于根据所述程序代码中的指令执行实现权利要求1-4任一项所述的方法。
7.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质用于存储程序代码,所述程序代码用于执行实现权利要求1-4任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410037557.6A CN117540038B (zh) | 2024-01-10 | 2024-01-10 | 智能检测虚假数据合成方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410037557.6A CN117540038B (zh) | 2024-01-10 | 2024-01-10 | 智能检测虚假数据合成方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117540038A CN117540038A (zh) | 2024-02-09 |
CN117540038B true CN117540038B (zh) | 2024-03-22 |
Family
ID=89790432
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410037557.6A Active CN117540038B (zh) | 2024-01-10 | 2024-01-10 | 智能检测虚假数据合成方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117540038B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109313687A (zh) * | 2016-01-24 | 2019-02-05 | 赛义德·卡姆兰·哈桑 | 基于人工智能的计算机安全 |
WO2021256884A1 (ko) * | 2020-06-17 | 2021-12-23 | 주식회사 푸시뉴스 | Ai를 이용한 가짜뉴스 판독 방법 및 장치 |
CN114417860A (zh) * | 2022-01-11 | 2022-04-29 | 北京天际友盟信息技术有限公司 | 一种信息检测方法、装置及设备 |
CN117112814A (zh) * | 2023-08-07 | 2023-11-24 | 黄旭东 | 虚假媒体内容挖掘及识别系统及其识别方法 |
CN117376632A (zh) * | 2023-12-06 | 2024-01-09 | 中国信息通信研究院 | 基于智能深度合成的数据恢复方法和系统 |
-
2024
- 2024-01-10 CN CN202410037557.6A patent/CN117540038B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109313687A (zh) * | 2016-01-24 | 2019-02-05 | 赛义德·卡姆兰·哈桑 | 基于人工智能的计算机安全 |
WO2021256884A1 (ko) * | 2020-06-17 | 2021-12-23 | 주식회사 푸시뉴스 | Ai를 이용한 가짜뉴스 판독 방법 및 장치 |
CN114417860A (zh) * | 2022-01-11 | 2022-04-29 | 北京天际友盟信息技术有限公司 | 一种信息检测方法、装置及设备 |
CN117112814A (zh) * | 2023-08-07 | 2023-11-24 | 黄旭东 | 虚假媒体内容挖掘及识别系统及其识别方法 |
CN117376632A (zh) * | 2023-12-06 | 2024-01-09 | 中国信息通信研究院 | 基于智能深度合成的数据恢复方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN117540038A (zh) | 2024-02-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10296534B2 (en) | Storing and searching fingerprints derived from media content based on a classification of the media content | |
CN112435137B (zh) | 一种基于社团挖掘的欺诈信息检测方法及系统 | |
CN117376632B (zh) | 基于智能深度合成的数据恢复方法和系统 | |
CN112839014A (zh) | 建立识别异常访问者模型的方法、系统、设备及介质 | |
CN114783061B (zh) | 一种吸烟行为检测方法、装置、设备和介质 | |
CN114626024A (zh) | 一种基于区块链的互联网侵权视频低耗检测方法及系统 | |
CN115600194A (zh) | 一种基于XGBoost和LGBM的入侵检测方法、存储介质及设备 | |
CN112990792B (zh) | 一种侵权风险自动化检测方法、装置和电子设备 | |
CN113987243A (zh) | 一种图像聚档方法、图像聚档装置和计算机可读存储介质 | |
CN117540038B (zh) | 智能检测虚假数据合成方法和系统 | |
CN112966728A (zh) | 一种交易监测的方法及装置 | |
CN111898126A (zh) | 一种基于动态获取用户界面的Android重打包应用检测方法 | |
CN115834156A (zh) | 一种基于web访问日志的异常行为检测方法 | |
CN115664814A (zh) | 网络入侵检测方法、装置、电子设备及存储介质 | |
CN112131570B (zh) | 一种基于pca的密码硬编码检测方法、装置及介质 | |
CN112035677B (zh) | 基于知识图谱的诈骗人员发现方法及装置 | |
CN111209567B (zh) | 提高检测模型鲁棒性的可知性判断方法及装置 | |
CN112417007A (zh) | 一种数据分析方法、装置、电子设备及存储介质 | |
CN111985423A (zh) | 活体检测方法、装置、设备及可读存储介质 | |
CN111798237A (zh) | 基于应用日志的异常交易诊断方法及系统 | |
CN111708908A (zh) | 视频标签的添加方法及装置、电子设备、计算机可读存储介质 | |
Yan et al. | Adaptive local feature based multi-scale image hashing for robust tampering detection | |
CN113743387B (zh) | 视频行人重识别方法、装置、电子设备及可读存储介质 | |
CN113569792B (zh) | 一种基于精准指纹识别的智能保险柜应用方法及装置 | |
CN114117112B (zh) | 通用的文本图片查重方法、存储介质及处理设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |