WO2021260840A1 - 信頼性分析システム，信頼性分析方法及び非一時的なコンピュータ可読媒体 - Google Patents

信頼性分析システム，信頼性分析方法及び非一時的なコンピュータ可読媒体 Download PDF

Info

Publication number
WO2021260840A1
WO2021260840A1 PCT/JP2020/024803 JP2020024803W WO2021260840A1 WO 2021260840 A1 WO2021260840 A1 WO 2021260840A1 JP 2020024803 W JP2020024803 W JP 2020024803W WO 2021260840 A1 WO2021260840 A1 WO 2021260840A1
Authority
WO
WIPO (PCT)
Prior art keywords
friend
person attribute
information
account
reliability
Prior art date
Application number
PCT/JP2020/024803
Other languages
English (en)
French (fr)
Inventor
真宏 谷
一郁 児島
圭佑 池田
Original Assignee
日本電気株式会社
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 日本電気株式会社 filed Critical 日本電気株式会社
Priority to JP2022531315A priority Critical patent/JP7505556B2/ja
Priority to US18/011,618 priority patent/US20230237605A1/en
Priority to PCT/JP2020/024803 priority patent/WO2021260840A1/ja
Publication of WO2021260840A1 publication Critical patent/WO2021260840A1/ja

Links

Images

Classifications

    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G06Q50/265—Personal security, identity or safety
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/31—User authentication
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/01—Social networking
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04M—TELEPHONIC COMMUNICATION
    • H04M11/00—Telephonic communication systems specially adapted for combination with other electrical systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/40—Spoof detection, e.g. liveness detection

Definitions

  • the present invention relates to a reliability analysis system, a reliability analysis method, and a non-temporary computer-readable medium.
  • SNS Social Networking Service
  • Non-Patent Document 1 describes a technique for making a determination based on a characteristic peculiar to a fake account. Specifically, the description about the account (holder) is blank, there are few followers, there are many following, retweet popular topics regularly and continuously (in the case of bot), and the default profile / background image. A technique for determining whether or not a fake account is used based on the characteristics such as being used is described.
  • Non-Patent Document 1 The method described in Non-Patent Document 1 is based on information that can be controlled by an impostor, and has a problem that it can be avoided relatively easily.
  • the purpose of this disclosure is to provide a reliability analysis system, a reliability analysis method, and a non-temporary computer-readable medium that can determine whether or not the target account is a fake account in view of the above-mentioned problems.
  • a person attribute acquisition means for acquiring the person attribute information of the judgment target account via the network
  • a friend list acquisition means for acquiring a list of friend accounts of the judgment target account via the network
  • a friend list acquisition means for acquiring a list of friend accounts of the judgment target account via the network
  • a friend list acquisition means for acquiring a list of friend accounts of the judgment target account via the network
  • a friend information acquisition means for acquiring friend information via the network based on the list
  • a person attribute estimation means for estimating the person attribute of the determination target account based on the friend's information
  • the person attribute acquisition means Based on the distance calculation means for calculating the distance between the person attribute information acquired in the above and the person attribute estimated by the person attribute estimation means and the distance calculated by the distance calculation means, the trust of the determination target account.
  • a reliability calculation means for calculating the degree is provided.
  • the reliability analysis method of one embodiment includes a person attribute acquisition step of acquiring the person attribute information of the judgment target account via the network, a friend list acquisition step of acquiring a list of friend accounts of the judgment target account via the network, and a friend list acquisition step.
  • a friend information acquisition step for acquiring friend information via the network based on the list
  • a person attribute estimation step for estimating the person attribute of the determination target account based on the friend information
  • the person attribute acquisition step Based on the distance calculation step that calculates the distance between the person attribute information acquired in the above and the person attribute estimated in the person attribute estimation step, and the distance calculated in the distance calculation step, the trust of the determination target account.
  • a reliability calculation step for calculating the degree is provided.
  • the determination target is based on the distance calculation step for calculating the distance between the person attribute information acquired in the attribute acquisition step and the person attribute estimated in the person attribute estimation step, and the distance calculated in the distance calculation step.
  • the computer is made to perform the reliability calculation step to calculate the reliability of the account.
  • the reliability analysis system According to the reliability analysis system, the reliability analysis method, and the non-temporary computer-readable medium of the present invention, it can be determined whether or not the target account is a fake account.
  • FIG. It is a block diagram which shows the structure of the reliability analysis system which concerns on Embodiment 1.
  • FIG. It is a flowchart which shows an example of the operation of the reliability analysis system which concerns on Embodiment 1.
  • FIG. It is a block diagram which shows an example of the distance calculation between person attributes of the reliability analysis system which concerns on Embodiment 1.
  • FIG. It is a block diagram which shows the structure of the reliability analysis system which concerns on Embodiment 2.
  • FIG. 1 is a block diagram showing a configuration of a reliability analysis system according to the first embodiment.
  • the reliability analysis system 100 includes a friend list acquisition unit 111, a friend information acquisition unit 112, an attribute information acquisition unit 113, a person attribute estimation unit 121, a distance calculation unit 122, and a reliability calculation unit 123. And prepare.
  • the friend list acquisition unit 111 acquires the friend account list of the determination target account. Then, the friend list acquisition unit 111 outputs the acquired friend account list to the friend information acquisition unit 112.
  • the friend information acquisition unit 112 acquires the person attribute information of the friend of the determination target account based on the friend account list. For example, the friend information acquisition unit 112 acquires the profile of the friend account and the posted information as the personal attribute information of the friend. Then, the friend information acquisition unit 112 outputs the acquired personal attribute information of the friend to the personal attribute estimation unit 121.
  • the attribute information acquisition unit 113 acquires the person attribute information of the determination target account. For example, the attribute information acquisition unit 113 acquires the person attribute information described in the profile or the like of the determination target account.
  • the friend list acquisition unit 111, the friend information acquisition unit 112, and the attribute information acquisition unit 113 are configured by a communication circuit connected to the network.
  • the person attribute estimation unit 121 estimates the person attribute of the determination target account based on the person attribute information of the friend. Then, the person attribute estimation unit 121 outputs the estimated person attribute to the distance calculation unit 122.
  • the distance calculation unit 122 calculates the distance between the person attribute information acquired by the person attribute acquisition means and the person attribute estimated by the person attribute estimation means. For example, the distance calculation unit 122 calculates the distance from the acquired person attribute information and the information of the same category among the estimated person attributes. Specifically, the distance between the place of residence described in the profile of the account to be determined and the place of residence estimated from the friend information may be calculated.
  • the categories for calculating distance are demographics (artificial statistics) such as age, gender, income, educational background (eg deviation value and interdisciplinary distance), occupation (eg blue color or white color, inter-industry distance), family composition, etc. It may be at least one of the differences in (scientific) attributes. It may be calculated by a method based on the inter-field / inter-industry distance (for example, transfer to a different field / industry / change of job rate (transition probability)). Further, the category for calculating the distance may be at least one of the differences in psychographic (psychological) attributes such as hobbies and tastes (eg, indoor / outdoor) and purchasing tendency.
  • demographics artificial statistics
  • occupation eg blue color or white color, inter-industry distance
  • family composition etc. It may be at least one of the differences in (scientific) attributes. It may be calculated by a method based on the inter-field / inter-industry distance (for example, transfer to a different field / industry / change of job rate (
  • the reliability calculation unit 123 calculates the reliability of the determination target account based on the distance calculated by the distance calculation unit 122.
  • the reliability may be a numerical index obtained by distance. Further, the reliability calculation unit 123 may calculate the result of comparing whether the distance calculated by the distance calculation unit 122 is larger or smaller than a predetermined threshold value as the reliability.
  • the person attribute estimation unit 121, the distance calculation unit 122, and the reliability calculation unit 123 are configured by a processor that performs information processing.
  • FIG. 2 is a flowchart showing an example of the operation of the reliability analysis system according to the first embodiment.
  • step S201 the attribute information acquisition unit 113 acquires the person attribute acquisition of the determination target account. Then, the process proceeds to step S202.
  • step S202 the friend list acquisition unit 111 acquires the friend account of the determination target account. Then, it is determined whether or not the determination target account has a friend account. If the determination target account has a friend account, the process proceeds to step S203. If the determination target account does not have a friend account, the process proceeds to step S207.
  • the friend list acquisition unit 111 acquires the person attribute information of each friend account of the determination target account. For example, the friend list acquisition unit 111 repeats the acquisition of the person attribute information of the friend account as many times as the number of the friend accounts i. The friend list acquisition unit 111 may collectively acquire the person attribute information of all the friend accounts.
  • step S204 the person attribute estimation unit 121 estimates the person attribute of the determination target account based on the person attribute information of the friend. For example, the person attribute estimation unit 121 estimates the person attribute of the determination target account based on the acquired person attribute information of all the friends. Then, the process proceeds to step S205.
  • step S205 the distance calculation unit 122 calculates the distance between the acquired person attribute information of the judgment target account and the estimated person attribute of the judgment target account. Then, the process proceeds to step S206.
  • step S206 the reliability calculation unit 123 calculates the reliability of the determination target account based on the distance between the person attributes. Then, the process is terminated.
  • step S207 the reliability calculation unit 123 returns the initial reliability value of the determination target account. Then, the process is terminated.
  • FIG. 3 is a block diagram showing an example of calculating the distance between person attributes of the reliability analysis system according to the first embodiment.
  • the residence location of the judgment target account is estimated from the acquired residence information.
  • the place of residence of the account to be determined is estimated to be Yokohama City from the physical distance of the place of residence. If the place of residence described in the profile of the judgment target account is Yokohama City, the information of the judgment target account is information because the physical distance is close (or the same) to Yokohama City, which is the place of residence of the estimation result. It is judged that the reliability is high. In addition, if the place of residence described in the profile of the judgment target account is Sapporo City, it is judged that the reliability of the information of the judgment target account is low because the physical distance from the estimation result residence is Yokohama City. To.
  • the distance between the person attributes estimated from the friend account of the judgment target account and the person attribute information acquired from the profile of the judgment target account is calculated. By doing so, it can be determined whether or not the determination target account is a fake account.
  • Embodiment 2 In the second embodiment, an example in which the reliability analysis system of the first embodiment is applied to account matching based on the similarity of posted information of friends will be described. Specifically, in the second embodiment, an example of determining whether or not the account A and the account B are derived from the same person will be described.
  • FIG. 4 is a block diagram showing the configuration of the reliability analysis system according to the second embodiment.
  • the reliability analysis system 400 includes friend list acquisition units 401-1 and 401-2, first image acquisition units 402-1 and 402-2, and first subject extraction units 403-1 and 403-2.
  • It includes an account reliability calculation unit 421 and a weighted integration similarity calculation unit 422.
  • FIG. 4 it will be described as an example of calculating the similarity between the account A and the account B.
  • the friend list acquisition unit 401-1 acquires an account connected to account A and a friend account list of account A.
  • the account connected to the account A means, for example, an account included in the friend list of the account A, an account having a message (conversation) exchanged with the account A, and the like. Then, the friend list acquisition unit 401-1 outputs the acquired friend account list to the first image acquisition unit 402-1.
  • the friend list acquisition unit 401-2 acquires an account connected to account B and a friend account list of account B. Then, the friend list acquisition unit 401-2 outputs the acquired friend account list to the first image acquisition unit 402-2.
  • the first image acquisition unit 402-1 acquires the posted image of the friend account of account A based on the friend account list of account A. Posted images are all images uploaded (shared, linked, etc.) by the account, including profile images. Then, the first image acquisition unit 402-1 outputs the acquired image to the first subject extraction unit 403-1.
  • the first image acquisition unit 402-2 acquires the posted image of the friend account of account B based on the friend account list of account B. Then, the first image acquisition unit 402-2 outputs the acquired image to the first subject extraction unit 403-2.
  • the first subject extraction unit 403-1 extracts a subject from the image acquired by the first image acquisition unit 402-1. For example, the first subject extraction unit 403-1 extracts a subject by an image recognition technique such as face recognition or object recognition. Then, the first subject extraction unit 403-1 outputs the extracted subject image to the first subject similarity calculation unit 404.
  • an image recognition technique such as face recognition or object recognition.
  • the first subject extraction unit 403-2 extracts a subject from the image acquired by the first image acquisition unit 402-2. Then, the first subject extraction unit 403-2 outputs the extracted subject image to the first subject similarity calculation unit 404.
  • the first subject similarity calculation unit 404 calculates the similarity between the subject image extracted by the first subject extraction unit 403-1 and the subject image extracted by the first subject extraction unit 403-2.
  • the first subject similarity calculation unit 404 calculates the similarity from the physical information of the subject image.
  • physical information is soft biometric information.
  • the physical information may include hair color, body shape, clothing color, accessories, and the like.
  • the subject similarity may be calculated by directly comparing the subjects of account A and account B with each other by image recognition technology (arithmetic mean of similarity, etc.), or the degree of coincidence of the histogram. May be used. Then, the first subject similarity calculation unit 404 outputs the calculated similarity to the combined integrated similarity calculation unit 422.
  • the second image acquisition unit 411-1 acquires the posted image of account A. Then, the second image acquisition unit 411-1 outputs the acquired image to the second subject extraction unit 412-1.
  • the second image acquisition unit 411-2 acquires the posted image of account B. Then, the second image acquisition unit 411-1 outputs the acquired image to the second subject extraction unit 412-2.
  • the second subject extraction unit 412-1 extracts a subject from the image acquired by the second image acquisition unit 411-1. Then, the second subject extraction unit 412-1 outputs the extracted subject image to the second subject similarity calculation unit 413.
  • the second subject extraction unit 412-2 extracts a subject from the image acquired by the second image acquisition unit 411-2. Then, the second subject extraction unit 412-2 outputs the extracted subject image to the second subject similarity calculation unit 413.
  • the second subject similarity calculation unit 413 calculates the similarity between the subject image extracted by the second subject extraction unit 412-1 and the subject image extracted by the second subject extraction unit 412-2. Then, the second subject similarity calculation unit 413 outputs the calculated similarity to the combined integrated similarity calculation unit 422. The second subject similarity calculation unit 413 may calculate the similarity by using the same method as described in the first subject similarity calculation unit 404.
  • the account reliability calculation unit 421 calculates the reliability of accounts A and B by the method used in the reliability analysis system of the first embodiment. Then, the account reliability calculation unit 421 outputs the calculated reliability of the account A and the account B to the combined integrated similarity calculation unit 422.
  • the weighted integration similarity calculation unit 422 weights and integrates the similarity based on the reliability of the accounts A and B.
  • the weighted integrated similarity calculation unit 422 attaches importance to the similarity calculated from account A and account B itself (that is, the information from the second subject similarity calculation unit 413).
  • the weighted integrated similarity calculation unit 422 has the similarity calculated from the friend accounts of the account A and the account B (that is, from the first subject similarity calculation unit 414). Emphasis on information.
  • the reliability of account A is defined as a
  • the reliability of account B is defined as b (0 ⁇ a, b ⁇ 1)
  • the similarity calculated from account A and account B itself is S0, account A, and account B.
  • S1 is defined as the similarity calculated from the friend account of the account B
  • the weighted integrated similarity calculation unit 422 can obtain the weighted integrated similarity by a ⁇ b ⁇ S0 + (1-a ⁇ b) ⁇ S1. good.
  • the similarity derived from the account and the similarity derived from the friend account of the account are weighted by the reliability of the account to calculate the similarity. , It is possible to determine whether multiple accounts are from the same person.
  • the reliability analysis system calculates the similarity of the subject image, but any person attribute information can be used for the similarity calculation. Specifically, people, objects (eg cars), places, and topics (eg animation) in the image are extracted, and the similarity of the extracted common subjects (frequency distribution) in account A and account B is calculated. It may be calculated.
  • the information used for calculating the similarity is not limited to images, but may be moving images.
  • the information used for calculating the similarity may be audio (speaker, etc.) included in the video or keywords (name, place name, etc.) included in the posted text.
  • each configuration may be realized by distributing the configurations to a plurality of devices, connecting the configurations with communication lines, and exchanging information. Further, one device may be provided with all the configurations.
  • the present invention has been described as a hardware configuration, but the present invention is not limited thereto.
  • the present invention can also realize arbitrary processing by causing a CPU (Central Processing Unit) to execute a computer program.
  • a CPU Central Processing Unit
  • Non-temporary computer-readable media include various types of tangible storage mediums. Examples of non-temporary computer-readable media include magnetic recording media (eg, flexible disks, magnetic tapes, hard disk drives), magneto-optical recording media (eg, magneto-optical disks), CD-ROM (ReadOnlyMemory), CD-R, Includes CD-R / W, semiconductor memory (eg, mask ROM, PROM (Programmable ROM), EPROM (Erasable PROM), flash ROM, RAM (random access memory)).
  • the program may also be supplied to the computer by various types of temporary computer readable medium. Examples of temporary computer-readable media include electrical, optical, and electromagnetic waves.
  • the temporary computer-readable medium can supply the program to the computer via a wired communication path such as an electric wire and an optical fiber, or a wireless communication path.
  • each configuration may be realized on the cloud. Further, the above-described embodiment may be realized on a distributed system in which each configuration is distributed.
  • Reliability analysis system 111 Friend list acquisition unit 112 Friend information acquisition unit 113 Attribute information acquisition unit 121 Person attribute estimation unit 122 Distance calculation unit 123 Reliability calculation unit 401-1, 401-2 Friend list acquisition unit 402-1 , 402-2 1st image acquisition unit 403-1, 4032 1st subject extraction unit 404 1st subject similarity calculation unit 411-1,411-2 2nd image acquisition unit 421-1,421-2 2nd Subject extraction unit 413 Second subject similarity calculation unit 414 Subject similarity calculation unit 421 Account reliability calculation unit 422 Integrated similarity calculation unit

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Security & Cryptography (AREA)
  • Computing Systems (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Computer Hardware Design (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

信頼性分析システム(１００)は，ネットワーク経由で判定対象アカウントの人物属性情報を取得する友人リスト取得部(１１１)と，ネットワーク経由で判定対象アカウントの友人アカウントのリストを取得する友人情報取得部(１１２)と，リストに基づいて，ネットワーク経由で友人の情報を取得する属性情報取得部(１１３)と，前記友人の情報に基づいて，当該判定対象アカウントの人物属性を推定する人物属性推定部(１２１と，前記人物属性取得手段において取得された人物属性情報と，前記人物属性推定手段において推定された人物属性との距離を算出する距離算出部(１２２)と，前記距離算出手段において算出された距離に基づいて，当該判定対象アカウントの信頼度を算出する信頼度算出部(１２３)を備える。

Description

信頼性分析システム，信頼性分析方法及び非一時的なコンピュータ可読媒体
　本発明は信頼性分析システム，信頼性分析方法及び非一時的なコンピュータ可読媒体に関する。
　近年，複数のＳＮＳ（Social Networking Service）を利用するユーザが増加している。多くの企業がマーケティング，推薦システムに，プロフィール情報および投稿情報等のＳＮＳ情報を活用している。また，法執行機関が行う犯罪捜査等にも，上記ＳＮＳ情報が活用されている。
　他方，サイバー空間を悪用した犯罪（テロ，違法薬物売買，詐欺等）では，同一人物が異なる複数のSNSやDark Webを用いている。犯罪者は，SNSやDark Webにおいて，プロフィール情報を詐称したフェイク・アカウントを使用する。
　非特許文献１には，フェイク・アカウント特有の特徴に基づき判定を行う技術が記載されている。具体的には，アカウント(保有者)についての説明書きが空欄，Followersが少ない，Followingが多い，定期的かつ継続的に流行りの話題をリツイート(Botの場合)，及びデフォルトのプロフィール／背景画像を使用しているといった特徴に基づき，フェイク・アカウントであるか否かの判定を行う技術が記載されている。
Ersahin他, "Twitter Face Account Detection," IEEE UBMK’17
　非特許文献１に記載された方法は，詐称者が制御可能な情報に基づくものであり，比較的容易に回避可能であるという問題があった。
　本開示の目的は，上述した課題を鑑み，対象アカウントがフェイク・アカウントか否か判定できる信頼性分析システム，信頼性分析方法及び非一時的なコンピュータ可読媒体を提供することにある。
　一実施形態の信頼性分析システムは，ネットワーク経由で判定対象アカウントの人物属性情報を取得する人物属性取得手段と，ネットワーク経由で当該判定対象アカウントの友人アカウントのリストを取得する友人リスト取得手段と，前記リストに基づいて，ネットワーク経由で友人の情報を取得する友人情報取得手段と，前記友人の情報に基づいて，当該判定対象アカウントの人物属性を推定する人物属性推定手段と，前記人物属性取得手段において取得された人物属性情報と，前記人物属性推定手段において推定された人物属性との距離を算出する距離算出手段と，前記距離算出手段において算出された距離に基づいて，当該判定対象アカウントの信頼度を算出する信頼度算出手段を備えるようにした。
　一実施形態の信頼性分析方法は，ネットワーク経由で判定対象アカウントの人物属性情報を取得する人物属性取得ステップと，ネットワーク経由で当該判定対象アカウントの友人アカウントのリストを取得する友人リスト取得ステップと，前記リストに基づいて，ネットワーク経由で友人の情報を取得する友人情報取得ステップと，前記友人の情報に基づいて，当該判定対象アカウントの人物属性を推定する人物属性推定ステップと，前記人物属性取得ステップにおいて取得された人物属性情報と，前記人物属性推定ステップにおいて推定された人物属性との距離を算出する距離算出ステップと，前記距離算出ステップにおいて算出された距離に基づいて，当該判定対象アカウントの信頼度を算出する信頼度算出ステップを備えるようにした。
　一実施形態の非一時的なコンピュータ可読媒体は，ネットワーク経由で判定対象アカウントの人物属性情報を取得する人物属性取得ステップと，ネットワーク経由で当該判定対象アカウントの友人アカウントのリストを取得する友人リスト取得ステップと，前記リストに基づいて，ネットワーク経由で友人の情報を取得する友人情報取得ステップと，前記友人の情報に基づいて，当該判定対象アカウントの人物属性を推定する人物属性推定ステップと，前記人物属性取得ステップにおいて取得された人物属性情報と，前記人物属性推定ステップにおいて推定された人物属性との距離を算出する距離算出ステップと，前記距離算出ステップにおいて算出された距離に基づいて，当該判定対象アカウントの信頼度を算出する信頼度算出ステップとをコンピュータに実行させるようにした。
　本発明の信頼性分析システム，信頼性分析方法及び非一時的なコンピュータ可読媒体によれば，対象アカウントがフェイク・アカウントか否か判定できる。
実施の形態１にかかる信頼性分析システムの構成を示すブロック図である。 実施の形態１にかかる信頼性分析システムの動作の一例を示すフローチャートである。 実施の形態１にかかる信頼性分析システムの人物属性間距離算出の一例を示すブロック図である。 実施の形態２にかかる信頼性分析システムの構成を示すブロック図である。
　実施の形態１
　以下，図面を参照して本発明の実施の形態について説明する。図１は，実施の形態１にかかる信頼性分析システムの構成を示すブロック図である。図１において，信頼性分析システム１００は，友人リスト取得部１１１と，友人情報取得部１１２と，属性情報取得部１１３と，人物属性推定部１２１と，距離算出部１２２と，信頼度算出部１２３とを備える。
　友人リスト取得部１１１は，判定対象アカウントの友人アカウントリストを取得する。そして，友人リスト取得部１１１は，取得した友人アカウントリストを友人情報取得部１１２に出力する。
　友人情報取得部１１２は，友人アカウントリストに基づいて，判定対象アカウントの友人の人物属性情報を取得する。例えば，友人情報取得部１１２は，友人の人物属性情報として，友人アカウントのプロフィールや投稿情報を取得する。そして，友人情報取得部１１２は，取得した友人の人物属性情報を人物属性推定部１２１に出力する。
　属性情報取得部１１３は，判定対象アカウントの人物属性情報を取得する。例えば，属性情報取得部１１３は，判定対象アカウントのプロフィール等に記載されている人物属性情報を取得する。
　例えば，友人リスト取得部１１１，友人情報取得部１１２及び属性情報取得部１１３は，ネットワークに接続する通信回路により構成される。
　人物属性推定部１２１は，友人の人物属性情報に基づいて，判定対象アカウントの人物属性を推定する。そして，人物属性推定部１２１は，推定した人物属性を距離算出部１２２に出力する。
　距離算出部１２２は，前記人物属性取得手段において取得された人物属性情報と，前記人物属性推定手段において推定された人物属性との距離を算出する。例えば，距離算出部１２２は，取得された人物属性情報と，推定された人物属性のうち，同じカテゴリの情報で距離を算出する。具体的には，判定対象アカウントのプロフィールに記載された居住地と，友人情報から推定された居住地との距離を算出してもよい。
　また，距離を算出するカテゴリは，年齢，性別，所得，学歴(例：偏差値や分野間距離)，職業(例えばブルーカラーまたはホワイトカラー，業種間距離)，家族構成等のデモグラフィック(人工統計学的)属性の差の少なくとも１つであってもよい。分野間／業種間距離（例えば，異なる分野／業種への転科／転職率（遷移確率））に基づく方法で算出されてもよい。また，距離を算出するカテゴリは，趣味嗜好(例：インドア／アウトドア)，購買傾向等のサイコグラフィック(心理学的)属性の差の少なくとも１つであってもよい。
　信頼度算出部１２３は，距離算出部１２２において算出された距離に基づいて，当該判定対象アカウントの信頼度を算出する。信頼度は，距離で求められた数値指標であってもよい。また，信頼度算出部１２３は，距離算出部１２２において算出された距離が所定の閾値より大きいか，小さいかを比較した結果を信頼度として算出してもよい。
　例えば，人物属性推定部１２１，距離算出部１２２及び信頼度算出部１２３は，情報処理を行うプロセッサにより構成される。
　以上の構成により，信頼性分析システム１００は，判定対象アカウントの信頼度を算出する。次に信頼性分析システム１００の動作について説明する。図２は，実施の形態１にかかる信頼性分析システムの動作の一例を示すフローチャートである。
　まずステップＳ２０１において，属性情報取得部１１３が判定対象アカウントの人物属性取得を取得する。そしてステップＳ２０２に進む。
　ステップＳ２０２において，友人リスト取得部１１１は，友人リスト取得部１１１は，判定対象アカウントの友人アカウントを取得する。そして，判定対象アカウントに友人アカウントがあるか否か判断する。判定対象アカウントに友人アカウントがある場合，ステップＳ２０３に進む。判定対象アカウントに友人アカウントがない場合，ステップＳ２０７に進む。
　ステップＳ２０３において，友人リスト取得部１１１は，判定対象アカウントの各友人アカウントの人物属性情報を取得する。例えば，友人リスト取得部１１１は，友人アカウントｉの数だけ，友人アカウントの人物属性情報の取得を繰り返す。なお，友人リスト取得部１１１は，全ての友人アカウントの人物属性情報を一括して取得してもよい。
　ステップＳ２０４において，人物属性推定部１２１は，友人の人物属性情報に基づいて，判定対象アカウントの人物属性を推定する。例えば，人物属性推定部１２１は，取得した全ての友人の人物属性情報に基づいて，判定対象アカウントの人物属性を推定する。そして，ステップＳ２０５に進む。
　ステップＳ２０５において，距離算出部１２２は，取得された判定対象アカウントの人物属性情報と，推定された判定対象アカウントの人物属性との人物属性間距離を算出する。そしてステップＳ２０６に進む。
　ステップＳ２０６において，信頼度算出部１２３は，人物属性間距離に基づいて，判定対象アカウントの信頼度を算出する。そして処理を終了する。
　ステップＳ２０７において，信頼度算出部１２３は，判定対象アカウントの信頼度初期値を返却する。そして処理を終了する。
　以上の動作により，信頼性分析システム１００は，判定対象アカウントの信頼度を算出する。次に信頼性分析システム１００の人物属性間距離について説明する。図３は，実施の形態１にかかる信頼性分析システムの人物属性間距離算出の一例を示すブロック図である。
　図３に示すように，判定対象アカウントの友人アカウントについて，取得した居住地の情報から判定対象アカウントの居住地を推定する。図３の例では，居住地の物理的距離から，判定対象アカウントの居住地が横浜市と推定される。そして，判定対象アカウントのプロフィールに記載されている居住地が横浜市である場合，推定結果の居住地の横浜市と物理的距離が近いため（または同一であるため），判定対象アカウントの情報の信頼性は高いと判定される。また，判定対象アカウントのプロフィールに記載されている居住地が札幌市である場合，推定結果の居住地の横浜市と物理的距離が遠いため，判定対象アカウントの情報の信頼性は低いと判定される。
　このように実施の形態１の信頼性分析システムによれば，判定対象アカウントの友人アカウントから推定される人物属性情報と，判定対象アカウントのプロフィールから取得した人物属性情報との人物属性間距離を算出することにより，判定対象アカウントがフェイク・アカウントか否か判定できる。
　実施の形態２
　実施の形態２では，実施の形態１の信頼性分析システムを友人の投稿情報の類似性に基づくアカウント照合に適用した例について説明する。具体的には，実施の形態２では，アカウントＡとアカウントＢが同一人物由来のアカウントであるか否かを判定する例について説明する。
　図４は，実施の形態２にかかる信頼性分析システムの構成を示すブロック図である。図４において，信頼性分析システム４００は，友人リスト取得部４０１－１及び４０１－２と，第１画像取得部４０２－１及び４０２－２と，第１被写体抽出部４０３－１及び４０３－２と，第１被写体類似度算出部４０４と，第２画像取得部４１１－１及び４１１－２と，第２被写体抽出部４１２－１及び４１２－２と，第２被写体類似度算出部４１３と，アカウント信頼度算出部４２１と，重付き統合類似度算出部４２２とを備える。図４の例では，アカウントＡとアカウントＢの類似度を算出する例として説明する。
　友人リスト取得部４０１－１は，アカウントＡと繋がりのあるアカウントを，アカウントＡの友人アカウントリストを取得する。アカウントＡと繋がりのあるアカウントとは，例えば，アカウントＡの友人リストに含まれるアカウント，アカウントＡとメッセージ（会話）のやり取りのあるアカウント等を意味する。そして，友人リスト取得部４０１－１は，取得した友人アカウントリストを第１画像取得部４０２－１に出力する。
　同様に友人リスト取得部４０１－２は，アカウントＢと繋がりのあるアカウントを，アカウントＢの友人アカウントリストを取得する。そして，友人リスト取得部４０１－２は，取得した友人アカウントリストを第１画像取得部４０２－２に出力する。
　第１画像取得部４０２－１は，アカウントＡの友人アカウントリストに基づいて，アカウントＡの友人アカウントの投稿画像を取得する。投稿画像とは，プロフィール画像等も含むアカウントがアップロード（シェア，リンク等）した全ての画像である。そして，第１画像取得部４０２－１は，取得した画像を第１被写体抽出部４０３－１に出力する。
　同様に第１画像取得部４０２－２は，アカウントＢの友人アカウントリストに基づいて，アカウントＢの友人アカウントの投稿画像を取得する。そして，第１画像取得部４０２－２は，取得した画像を第１被写体抽出部４０３－２に出力する。
　第１被写体抽出部４０３－１は，第１画像取得部４０２－１が取得した画像から被写体を抽出する。例えば，第１被写体抽出部４０３－１は，顔認識，物体認識等の画像認識技術により被写体を抽出する。そして，第１被写体抽出部４０３－１は，抽出した被写体画像を第１被写体類似度算出部４０４に出力する。
　同様に第１被写体抽出部４０３－２は，第１画像取得部４０２－２が取得した画像から被写体を抽出する。そして，第１被写体抽出部４０３－２は，抽出した被写体画像を第１被写体類似度算出部４０４に出力する。
　第１被写体類似度算出部４０４は，第１被写体抽出部４０３－１が抽出した被写体画像と，第１被写体抽出部４０３－２が抽出した被写体画像の類似度を算出する。例えば，第１被写体類似度算出部４０４は，被写体画像の身体情報から類似度を算出する。例えば，身体情報は，ソフトバイオメトリック情報である。具体的には，身体情報は，髪の色，体型，服色，アクセサリー等を含んでもよい。被写体類似度の算出は，アカウントＡとアカウントＢそれぞれの被写体同士を画像認識技術により直接比較して算出された類似度（類似度の相加平均等）を用いても良いし，ヒストグラムの一致度を用いても良い。そして，第１被写体類似度算出部４０４は，算出した類似度を重付き統合類似度算出部４２２に出力する。
　第２画像取得部４１１－１は，アカウントＡの投稿画像を取得する。そして，第２画像取得部４１１－１は，取得した画像を第２被写体抽出部４１２－１に出力する。
　同様に第２画像取得部４１１－２は，アカウントＢの投稿画像を取得する。そして，第２画像取得部４１１－１は，取得した画像を第２被写体抽出部４１２－２に出力する。
　第２被写体抽出部４１２－１は，第２画像取得部４１１－１が取得した画像から被写体を抽出する。そして，第２被写体抽出部４１２－１は，抽出した被写体画像を第２被写体類似度算出部４１３に出力する。
　同様に第２被写体抽出部４１２－２は，第２画像取得部４１１－２が取得した画像から被写体を抽出する。そして，第２被写体抽出部４１２－２は，抽出した被写体画像を第２被写体類似度算出部４１３に出力する。
　第２被写体類似度算出部４１３は，第２被写体抽出部４１２－１が抽出した被写体画像と，第２被写体抽出部４１２－２が抽出した被写体画像の類似度を算出する。そして，第２被写体類似度算出部４１３は，算出した類似度を重付き統合類似度算出部４２２に出力する。第２被写体類似度算出部４１３は，第１被写体類似度算出部４０４の説明と同様の手法を用いて類似度を算出してもよい。
　アカウント信頼度算出部４２１は，実施の形態１の信頼性分析システムで用いた手法により，アカウントＡ及びアカウントＢの信頼度を算出する。そして，アカウント信頼度算出部４２１は，算出したアカウントＡ及びアカウントＢの信頼度を重付き統合類似度算出部４２２に出力する。
　重付き統合類似度算出部４２２は，アカウントＡ及びアカウントＢの信頼度に基づき，類似度を重付き統合する。アカウントＡ及びアカウントＢの信頼度が高い場合，重付き統合類似度算出部４２２は，アカウントＡ及びアカウントＢそのものから算出した類似度（すなわち第２被写体類似度算出部４１３からの情報を重要視する。また，アカウントＡ及びアカウントＢの信頼度が低い場合，重付き統合類似度算出部４２２は，アカウントＡ及びアカウントＢの友人アカウントから算出した類似度（すなわち第１被写体類似度算出部４１４からの情報を重要視する。
　具体的には，アカウントＡの信頼度をａ，アカウントＢの信頼度をｂ（０≦ａ，ｂ≦１）と定義し，アカウントＡ及びアカウントＢそのものから算出した類似度をＳ０，アカウントＡ及びアカウントＢの友人アカウントから算出した類似度をＳ１を定義すると，重付き統合類似度算出部４２２は，重付き統合類似度はａ×ｂ×Ｓ０＋（１－ａ×ｂ）×Ｓ１で求めてもよい。
　そして，この重付き統合類似度に基づきアカウントＡとアカウントＢが同一人物由来か否か判定することができる。
　このように実施の形態２の信頼性分析システムによれば，アカウント由来の類似度と，当該アカウントの友人アカウント由来の類似度とを，アカウントの信頼度で重み付けして類似度を算出することにより，複数のアカウントが同一人物由来か否か判定することができる。
　なお，上記実施の形態２では，信頼性分析システムでは，被写体画像の類似度を算出しているが，人物属性情報であれば，いずれも類似度算出に用いることができる。具体的には，画像中の人物，物（例：車），場所，トピック（例：アニメ）を抽出し，アカウントＡ及びアカウントＢで，抽出した共通する被写体（の頻度分布）の類似度を算出するようにしてもよい。また，類似度算出に用いる情報は，画像に限らず，動画でも良い。また，類似度算出に用いる情報は，動画に含まれる音声(話者等)や投稿文に含まれるキーワード(氏名，地名等)でも良い。
　なお，本発明は上記実施の形態に限られたものではなく，趣旨を逸脱しない範囲で適宜変更することが可能である。例えば，各構成は，複数の装置に分散させ，構成間を通信回線で接続して，情報をやりとりすることにより実現してもよい。また，１つの装置に全ての構成を備えるようにしてもよい。
　以上，実施の形態を参照して本願発明を説明したが，本願発明は上記によって限定されるものではない。本願発明の構成や詳細には，発明のスコープ内で当業者が理解し得る様々な変更をすることができる。
　上述の実施の形態では，本発明をハードウェアの構成として説明したが，本発明は，これに限定されるものではない。本発明は，任意の処理を，ＣＰＵ（Central Processing Unit）にコンピュータプログラムを実行させることにより実現することも可能である。
　プログラムは，様々なタイプの非一時的なコンピュータ可読媒体（non-transitory computer readable medium）を用いて格納され，コンピュータに供給することができる。非一時的なコンピュータ可読媒体は，様々なタイプの実体のある記録媒体（tangible storage medium）を含む。非一時的なコンピュータ可読媒体の例は，磁気記録媒体（例えばフレキシブルディスク，磁気テープ，ハードディスクドライブ），光磁気記録媒体（例えば光磁気ディスク），ＣＤ－ＲＯＭ（Read Only Memory），ＣＤ－Ｒ，ＣＤ－Ｒ／Ｗ，半導体メモリ（例えば，マスクＲＯＭ，ＰＲＯＭ（Programmable ROM），ＥＰＲＯＭ（Erasable PROM），フラッシュＲＯＭ，ＲＡＭ（random access memory））を含む。また，プログラムは，様々なタイプの一時的なコンピュータ可読媒体（transitory computer readable medium）によってコンピュータに供給されてもよい。一時的なコンピュータ可読媒体の例は，電気信号，光信号，及び電磁波を含む。一時的なコンピュータ可読媒体は，電線及び光ファイバ等の有線通信路，又は無線通信路を介して，プログラムをコンピュータに供給できる。
　また，上述の実施の形態は，各構成の一部，または全部をクラウド上で実現するようにしてもよい。また，また，上述の実施の形態は，各構成を分散させた分散システム上で実現するようにしてもよい。
１００，４００　信頼性分析システム
１１１　友人リスト取得部
１１２　友人情報取得部
１１３　属性情報取得部
１２１　人物属性推定部
１２２　距離算出部
１２３　信頼度算出部
４０１－１，４０１－２　友人リスト取得部
４０２－１，４０２－２　第１画像取得部
４０３－１，４０３－２　第１被写体抽出部
４０４　第１被写体類似度算出部
４１１－１，４１１－２　第２画像取得部
４１２－１，４２１－２　第２被写体抽出部
４１３　第２被写体類似度算出部
４１４　被写体類似度算出部
４２１　アカウント信頼度算出部
４２２　統合類似度算出部

Claims (6)

  1. 　ネットワーク経由で判定対象アカウントの人物属性情報を取得する人物属性取得手段と，
    　ネットワーク経由で当該判定対象アカウントの友人アカウントのリストを取得する友人リスト取得手段と，
    　前記リストに基づいて，ネットワーク経由で友人の情報を取得する友人情報取得手段と，
    　前記友人の情報に基づいて，当該判定対象アカウントの人物属性を推定する人物属性推定手段と，
    　前記人物属性取得手段において取得された人物属性情報と，前記人物属性推定手段において推定された人物属性との距離を算出する距離算出手段と，
    　前記距離算出手段において算出された距離に基づいて，当該判定対象アカウントの信頼度を算出する信頼度算出手段を備える，信頼性分析システム。
  2. 　前記距離算出手段は，同じカテゴリの情報で距離を算出する請求項１に記載の信頼性分析システム。
  3. 　前記信頼性分析システムは，複数の判定対象アカウントについて信頼度を算出し，
    　前記信頼性分析システムは，当該判定対象アカウントの友人アカウント由来の情報に基づき類似度を算出する第１類似度算出手段と，
    　当該判定対象アカウント由来の情報に基づき類似度を算出する第２類似度算出手段と，
    　前記第１類似度算出手段及び前記第２類似度算出手段において算出された類似度に前記信頼度で重み付けして，重付き統合類似度を算出する重付き統合類似度算出手段とを，備える請求項１または２に記載の信頼性分析システム。
  4. 　複数の判定対象アカウントと繋がりのある友人アカウントを取得する友人リスト取得手段と，
    　複数の判定対象アカウントと繋がりのある友人アカウントの人物属性情報を取得する第１取得手段と，
    　前記第１取得手段において取得された人物属性情報から，特徴となる情報を抽出する第１抽出手段と，
    　複数の判定対象アカウントの人物属性情報を取得する第２取得手段と，
    　前記第２取得手段において取得された人物属性情報から，特徴となる情報を抽出する第２抽出手段と，備える請求項３に記載の信頼性分析システム。
  5. 　ネットワーク経由で判定対象アカウントの人物属性情報を取得する人物属性取得ステップと，
    　ネットワーク経由で当該判定対象アカウントの友人アカウントのリストを取得する友人リスト取得ステップと，
    　前記リストに基づいて，ネットワーク経由で友人の情報を取得する友人情報取得ステップと，
    　前記友人の情報に基づいて，当該判定対象アカウントの人物属性を推定する人物属性推定ステップと，
    　前記人物属性取得ステップにおいて取得された人物属性情報と，前記人物属性推定ステップにおいて推定された人物属性との距離を算出する距離算出ステップと，
    　前記距離算出ステップにおいて算出された距離に基づいて，当該判定対象アカウントの信頼度を算出する信頼度算出ステップを備える，信頼性分析方法。
  6. 　ネットワーク経由で判定対象アカウントの人物属性情報を取得する人物属性取得ステップと，
    　ネットワーク経由で当該判定対象アカウントの友人アカウントのリストを取得する友人リスト取得ステップと，
    　前記リストに基づいて，ネットワーク経由で友人の情報を取得する友人情報取得ステップと，
    　前記友人の情報に基づいて，当該判定対象アカウントの人物属性を推定する人物属性推定ステップと，
    　前記人物属性取得ステップにおいて取得された人物属性情報と，前記人物属性推定ステップにおいて推定された人物属性との距離を算出する距離算出ステップと，
    　前記距離算出ステップにおいて算出された距離に基づいて，当該判定対象アカウントの信頼度を算出する信頼度算出ステップとをコンピュータに実行させる，信頼性分析プログラムが格納された非一時的なコンピュータ可読媒体。
PCT/JP2020/024803 2020-06-24 2020-06-24 信頼性分析システム，信頼性分析方法及び非一時的なコンピュータ可読媒体 WO2021260840A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
JP2022531315A JP7505556B2 (ja) 2020-06-24 2020-06-24 信頼性分析システム，信頼性分析方法及びプログラム
US18/011,618 US20230237605A1 (en) 2020-06-24 2020-06-24 Trustability analyzing system, trustability analyzing method, and non-transitory computer-readable medium
PCT/JP2020/024803 WO2021260840A1 (ja) 2020-06-24 2020-06-24 信頼性分析システム，信頼性分析方法及び非一時的なコンピュータ可読媒体

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2020/024803 WO2021260840A1 (ja) 2020-06-24 2020-06-24 信頼性分析システム，信頼性分析方法及び非一時的なコンピュータ可読媒体

Publications (1)

Publication Number Publication Date
WO2021260840A1 true WO2021260840A1 (ja) 2021-12-30

Family

ID=79282091

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2020/024803 WO2021260840A1 (ja) 2020-06-24 2020-06-24 信頼性分析システム，信頼性分析方法及び非一時的なコンピュータ可読媒体

Country Status (3)

Country Link
US (1) US20230237605A1 (ja)
JP (1) JP7505556B2 (ja)
WO (1) WO2021260840A1 (ja)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016194797A (ja) * 2015-03-31 2016-11-17 Ｌｉｎｅ株式会社 端末装置、情報処理方法、及びプログラム
JP2019041355A (ja) * 2017-08-29 2019-03-14 Kddi株式会社 暗号化装置、復号装置、暗号化システム、暗号化方法及び暗号化プログラム

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016194797A (ja) * 2015-03-31 2016-11-17 Ｌｉｎｅ株式会社 端末装置、情報処理方法、及びプログラム
JP2019041355A (ja) * 2017-08-29 2019-03-14 Kddi株式会社 暗号化装置、復号装置、暗号化システム、暗号化方法及び暗号化プログラム

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
KYOHEI TANIKAWA: "S N S A Basic Study on Friend Recommendation for SNS", 50 PROCEEDINGS OF THE 50TH ANNUAL CONFERENCE OF THE INSTITUTE OF SYSTEMS, CONTROLANDLNFORMATIONENGINEERS, 10 May 2006 (2006-05-10), pages 363 - 364 *
SHUHEI YAMAGUCHI: "SNS Access Control based on trust value in SNS system", LECTURE PROCEEDINGS (1) OF THE 69TH (2007) NATIONAL CONVENTION: ARCHITECTURE SOFTWARE SCIENCE, AND ENGINEERING DATABASE AND MEDIA, vol. 69, no. 19, 6 March 2007 (2007-03-06), pages 581 - 582 *

Also Published As

Publication number Publication date
US20230237605A1 (en) 2023-07-27
JP7505556B2 (ja) 2024-06-25
JPWO2021260840A1 (ja) 2021-12-30

Similar Documents

Publication Publication Date Title
Nagrani et al. Seeing voices and hearing faces: Cross-modal biometric matching
WO2020211388A1 (zh) 基于预测模型的行为预测方法、装置、设备及存储介质
US10275671B1 (en) Validating identity and/or location from video and/or audio
US9514332B2 (en) Notification and privacy management of online photos and videos
US20090141950A1 (en) Method, system, and computer-readable recording medium for recognizing face of person included in digital data by using feature data
JP7452593B2 (ja) 応対ロボット、応対方法及びプログラム
CN110796089B (zh) 用于训练换脸模型的方法和设备
US11126827B2 (en) Method and system for image identification
EP2915101A1 (en) Method and system for predicting personality traits, capabilities and suggested interactions from images of a person
CN109784277B (zh) 一种基于智能眼镜的情绪识别方法
JP2023547808A (ja) 視聴覚型ディープフェイク検出
US10997609B1 (en) Biometric based user identity verification
CN109064217B (zh) 基于用户等级的核身策略确定方法、装置及电子设备
CN109005104B (zh) 一种即时通信方法、装置、服务器及存储介质
WO2019196626A1 (zh) 媒体处理方法及相关装置
CN111902821A (zh) 检测动作以阻止识别
JP2021096859A (ja) 仲介装置及び方法、並びにコンピュータ読み取り可能な記録媒体｛ｍｅｄｉａｔｉｎｇ ａｐｐａｒａｔｕｓ、ｍｅｔｈｏｄ ａｎｄ ｃｏｍｐｕｔｅｒ ｒｅａｄａｂｌｅ ｒｅｃｏｒｄｉｎｇ ｍｅｄｉｕｍ ｔｈｅｒｅｏｆ｝
US20240048572A1 (en) Digital media authentication
CN114127801A (zh) 跨设备网络使用人物可识别性的系统和方法
Blanco-Gonzalo et al. Time evolution of face recognition in accessible scenarios
Bowyer et al. Why face recognition accuracy varies due to race
WO2015016262A1 (ja) 情報処理装置、認証システム、認証方法、及びプログラム
WO2021260840A1 (ja) 信頼性分析システム，信頼性分析方法及び非一時的なコンピュータ可読媒体
CN109522844B (zh) 一种社交亲密度确定方法及系统
US20200265464A1 (en) Method, system and non-transitory computer-readable recording medium for estimating emotion for advertising contents based on video chat

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 20942291

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2022531315

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 20942291

Country of ref document: EP

Kind code of ref document: A1